Marco

UNIVERSIT DEGLI STUDI DI PADOVA
FACOLT DI SCIENZE MM. FF. NN.

DIPARTIMENTO DI SCIENZE CHIMICHE
CORSO DI LAUREA SPECIALISTICA IN CHIMICA INDUSTRIALE
DETERMINAZIONE DELLORIGINE
BOTANICA DEL MIELE:
UN NUOVO ED AFFIDABILE METODO
DI RISONANZA MAGNETICA
NUCLEARE E CHEMIOMETRIA
RELATORE: Dott.ssa ELISABETTA SCHIEVANO

CONTRORELATORE: Prof. ALESSANDRO BAGNO
LAUREANDO: MARCO PERGHER

ANNO ACCADEMICO 2008-2009
Determinazione dellorigine botanica del miele
INTRODUZIONE
CARATTERISTICHE DEL MIELE
PRODUZIONE
Il miele la sostanza naturale dolce che le
api domestiche (Apis mellifera Fig. 1.1) producono
dal nettare di piante o dalle secrezioni provenienti
dalle parti vive di piante o dalle sostanze secrete da
insetti succhiatori che si trovano su parti vive di
piante che esse bottinano, trasformano, combinano
con
sostanze
specifiche
proprie,
depositano,
disidratano, immagazzinano e lasciano maturare nei
Fig. 1.1: apis mellifera al lavoro.
favi dellalveare (Direttiva 2001/110/CE del 20

dicembre 2001).
Il miele una sostanza naturale utilizzata principalmente come alimento, prodotta
dal nettare e dalla melata. Il nettare un composto zuccherino generata da piante e fiori,
secreto da particolari ghiandole chiamate nettarine. Contiene acqua fino al 90% e vari tipi
di zuccheri, soprattutto glucosio, fruttosio e circa il 6% di saccarosio; si suddivide in 3
differenti tipologie secondo la prevalenza di uno di questi zuccheri (nel caso del saccarosio
maggiore del 6%). Sono inoltre presenti altri zuccheri in piccole quantit, come raffinosio,
maltosio e melibiosio. Nel nettare sono inoltre contenute tracce di altri componenti quali
acidi organici, sali minerali, enzimi, pigmenti, sostanze organiche, vitamine, amminoacidi.
La composizione nel nettare in questi elementi risulta relativamente costante per ogni
specie botanica e determina la composizione del miele, lo stato fisico, il colore, lodore, il
sapore e laroma.
Come il nettare anche la melata deriva dalla linfa delle piante, ma mentre il primo
secreto attraverso un processo attivo, questultima prodotta in seguito all'intervento di
insetti che succhiano in grande quantit la linfa delle piante per nutrirsene, trattenendo le
sostanze azotate ed eliminando il liquido in eccesso (contenente prevalentemente zuccheri)
che costituisce appunto la melata. Questa composta principalmente da zuccheri semplici,
ma in essa maggiore la percentuale di oligosaccaridi; prodotta da conifere (abete
bianco, abete rosso, pino, larice), da piante non nettarifere (quercia, faggio, pioppo) e
nettarifere (tiglio, salice, acero, castagno, robinia, alberi da frutto). Il miele di melata ha un
2

sapore meno dolce che quello prodotto a partire dal nettare, non cristallizza e si presenta
particolarmente scuro, aromatico e denso.
L'ape bottinatrice raccoglie una piccola
quantit di nettare o di melata dalla pianta e la
trasporta all'alveare dove passata da unape all'altra;
questoperazione provoca la riduzione del contenuto
dacqua
per
evaporazione
causa
dellaria
relativamente calda e secca presente all'interno

dell'alveare e della grande superficie di scambio
Fig. 1.2: deposizione del miele in celle.
offerta dalla lingua allungata dell'ape (Fig. 1.2).

Durante questi passaggi, che hanno una durata di
circa 20 minuti, il nettare si arricchisce di secrezioni ghiandolari dell'ape, cio di enzimi

che determinano una serie di trasformazioni chimiche; un esempio lenzima invertasi che
in grado di scindere il saccarosio in glucosio e fruttosio. Nel nettare, al momento della
raccolta, sono presenti svariati tipi di zuccheri
che,
in
questa
fase,
sono
standardizzati
dallazione enzimatica.
In seguito la goccia di miele depositata
e sigillata con un tappo di cera (opercolo) nelle
celle dellalveare. In queste avviene unulteriore
riduzione dellacqua, fino a circa il 18% (tale
quantit evita processi fermentativi che possono
alterare le sue caratteristiche), con lottenimento
Fig. 1.3: celle opercolate.
di un miele maturo (Fig. 1.3).
FASI DELLA LAVORAZIONE

Nel momento in cui lape finisce il proprio
operato (produzione del miele maturo), comincia la
lavorazione da parte dell'apicoltore. Questa si divide
in diverse fasi ed ha come obiettivo lottenimento del
miele in forma commercializzabile, al quale, per la
legge italiana, non pu essere aggiunto n sottratto
alcun suo componente.
Fig. 1.4: soffiatura dei melari.
Fase 1: estrazione dei melari. Avviene dopo aver prelevato i melari spostando le
api dai favi con dei soffiatori (funzionano come dei ventilatori, Fig. 1.4).
Fase 2: disopercolatura. Rimozione

degli opercoli dalle celle nei melari per
permettere al miele di fuoriuscire.
Fase 3: smielatura. I melari sono posti

negli smielatori (Fig. 1.5). Questi
fanno fuoriuscire il miele grazie ad un
processo di centrifugazione. Dallo
smielatore il miele viene convogliato
Fig. 1.5: esempio di smielatore..
in vasche di raccolta.
Fase 4: purificazione. Serve ad eliminare particelle di cera, impurit e bolle daria

che sono rimaste nel miele nel corso delle fasi precedenti. Viene effettuata
attraverso tecniche di filtrazione e di decantazione. Durante questa ultima, le
impurit, caratterizzate di un diverso peso specifico, si separano dalla massa del
miele e possano essere cos facilmente eliminate; sulla superficie si dispongono
cera, insetti e parti dinsetti, materiali organici di varia natura, bolle daria mentre
sul fondo si depositano particelle minerali e metalliche.
La filtrazione realizzata per mezzo di filtri a sacco, a secchio o a cartuccia, con
maglie di dimensioni decrescenti per evitare che le impurit ostruiscano i pori.
Questo metodo pi veloce del precedente, ma va applicato attentamente: si corre
il rischio di eliminare alcune particelle solide del miele, quali granuli di polline ed
elementi indicatori di melata, considerate invece parti integranti del miele stesso ed
utili per risalire allorigine geografica e botanica attraverso lanalisi microscopica.
Fase 5: trattamenti termici. Possono essere fatti con diverse finalit, ad esempio per
fluidificare i mieli cristallizzati, per invasarli, filtrarli o allungare il tempo di vita
del prodotto allo stato liquido. Essi hanno sempre un effetto negativo sul prodotto
in termini di perdita daroma a causa della presenza di sostanze termolabili
(dipende dalla temperatura raggiunta e dalla durata del riscaldamento).
Fase 6: confezionamento. Il miele, prima di cristallizzare, invasato in contenitori

di vetro o plastica. I recipienti utilizzati devono avere un sistema di chiusura
ermetico che isoli totalmente il miele dallaria in modo tale da preservarlo ed
evitare che si formi della schiuma.

COMPOSIZIONE CHIMICA
Il miele una miscela complessa ed i suoi componenti, oggetto di continue ricerche
ed analisi, non sono ancora completamente noti; sono state identificate pi di 300
molecole, ma spesso ne viene scoperta una nuova che risulta essere di notevole importanza
farmacologica e dietetica.
Gli elementi principali del miele, vale a dire le sostanze presenti in tutti i tipi, anche
se in proporzioni variabili sono zuccheri, acqua, sali minerali, acidi organici ed enzimi
(Fig. 1.6).
Due mieli, per, non possono mai
essere identici perch il contenuto e il
tipo di tali sostanze dipendono da
alcuni
fattori
esterni,
quali
la
composizione del nettare o della

melata di partenza,
la zona di
provenienza, le condizioni climatiche,

Fig. 1.6: diagramma dei principali componenti del miele.
landamento stagionale, le tecniche
apistiche impiegate e le modalit di conservazione. Questi fattori influenzano

notevolmente sia la composizione chimica, sia le caratteristiche morfologiche e
organolettiche del miele.
.
Zuccheri
Dal punto di vista quantitativo gli zuccheri costituiscono i principali componenti
del miele, rappresentando pi del 95% della sostanza secca e circa l85% della totale. La
quantit ed il loro rapporto sono molto variabili in funzione dellorigine botanica del miele.
Lelevato contenuto di zuccheri contribuisce in modo fondamentale a definire numerose
propriet fisiche e alimentari del miele: la viscosit, ligroscopicit, lo stato fisico (liquido
o cristallino), il valore energetico, il potere dolcificante.
Sono maggiormente presenti i monosaccaridi glucosio e fruttosio che, in rapporto variabile
tra loro, insieme costituiscono circa il 90% degli zuccheri totali; solitamente il contenuto di
fruttosio leggermente superiore a quello di glucosio (mediamente, rispetto al peso netto,
presente circa il 38% di fruttosio e circa il 31% di glucosio, Fig. 1.6). Il fruttosio molto
solubile in acqua ed una sostanza igroscopica, permette quindi di conservare il miele allo
stato liquido. Al contrario, un contenuto elevato di glucosio comporta una maggiore
propensione alla cristallizzazione del miele, dato che questo zucchero ha una minor
5

solubilit in acqua. Unelevata quantit di fruttosio, inoltre, contribuir a rendere il miele
pi dolce, poich questo zucchero caratterizzato da un potere dolcificante di 1.7,
superiore a quello del saccarosio e a quello del glucosio, rispettivamente 0.6 e 0.7. Il potere
dolcificante di una soluzione viene misurato rispetto ad una soluzione di saccarosio
ugualmente dolcificata, secondo il seguente rapporto:
f (c s )
Cs
Cx
Dove Cs e Cx sono le concentrazioni, in mol/L della soluzione standard e di quella da

analizzare.
Il miele contiene anche diversi oligosaccaridi (Fig. 1.7) il cui contenuto medio del
5-10% rispetto agli zuccheri totali. Questi non influiscono sulle propriet fisiche e
organolettiche, ma possono essere utili per determinare lorigine botanica del miele; infatti,
la loro composizione dipende dalla pianta dalla quale esso deriva. Fino ad ora stata
verificata la presenza di 20 diversi tipi di saccaridi.
Fig. 1.7: alcuni zuccheri presenti nel miele.
Il saccarosio presente dovuto alla non completa idrolisi, da parte degli enzimi, di
tutto quello presente nel nettare o nella melata di partenza. Altri disaccaridi presenti
normalmente nel miele sono il maltosio e lisomaltosio mentre zuccheri come lerlosio,
non presenti nel nettare, sono il risultato di trasformazioni enzimatiche operate dalle
secrezioni ghiandolari dellape; il melezitosio, invece caratteristico di molti mieli di
melata, viene sintetizzato durante il passaggio della linfa nel corpo dellinsetto produttore
di melata, mediante lazione di enzimi secreti dallintestino e dalle ghiandole salivari.
6

Anche dopo lestrazione del miele gli enzimi ancora presenti continuano la loro
azione modificando ulteriormente la composizione zuccherina. Linvecchiamento del
miele porta ad un aumento del tasso di glucosio, ad una diminuzione dei polisaccaridi e
alla degradazione del fruttosio con produzione di idrossilmetilfurfurale (HMF).
Acqua
Il contenuto dacqua una caratteristica importante in quanto influenza la
conservabilit e la lavorabilit del miele Esso mediamente del 17% e non deve superare il
20%; percentuali elevate di acqua facilitano processi di fermentazione, mentre valori
troppo bassi peggiorano la lavorabilit del miele (in particolare nella centrifugazione e
nellestrazione).
Il contenuto dacqua nel prodotto dipende da diversi fattori: origine botanica, condizioni
atmosferiche e ambientali precedenti e successive allestrazione, stagione di produzione,
modalit di intervento dellapicoltore, condizioni di conservazione.
Acidi organici
I mieli contengono acidi organici in percentuali non elevate (in peso 0.1-1%);
questi possono trovarsi nella loro forma libera o nella loro forma esterificata.
Lacido quantitativamente pi importante lacido gluconico che determina in
buona parte laroma del miele; si forma dal glucosio in seguito allazione dellenzima
glucosio ossidasi, con liberazione di acqua ossigenata. Altri acidi organici presenti nel
miele in piccola parte sono: acetico, butirrico, lattico, citrico, succinnico, formico, maleico,
malico e ossalico.
La presenza di questi composti fa s che il pH del miele sia acido con valori
compresi tra 3.6 e 4.8[1]. Solitamente essi risultano pi bassi nei mieli di nettare e pi
elevati in quelli di melata; si possono trovare anche con pH inferiore o superiore (per
esempio quello di castagno ha un pH compreso tra 5 e 6). Lacidit totale si esprime in
milliequivalenti per chilogrammo ed i suoi valori possono variare notevolmente da un
miele all'altro (compresa da 10 a 40 meq/kg); essa contribuisce a determinare la stabilit
del prodotto nei confronti dei microrganismi. Ne segue che il pH deve sempre essere
tenuto sotto controllo durante lestrazione e il confezionamento del miele in modo da
evitare possibili contaminazioni microbiche.
Lacidit aumenta con linvecchiamento comportando la perdita progressiva delle sostanze
aromatiche e la diminuzione dell'attivit degli enzimi; a causa di ci vietato
commercializzare mieli con acidit maggiore di 40 meq/kg.
7

Sostanze minerali
Alcuni studi effettuati sul miele mediante spettrometria ad emissione atomica
accoppiata al plasma, hanno rivelato una presenza significativa di K, Na, Ca, Mg[2], Cl, S,
P, Si, Fe, Mn, e Cu[3,4]. La concentrazione degli elementi pu essere misurata anche usando
uno spettrofotometro a fiamma ad assorbimento atomico (AAS) o con un elettrodo
ionoselettivo (ISE).
Il contenuto di sali minerali nel miele in generale basso (0.02- 1%) e molto
variabile. Influenza moltissimo il colore del miele: generalmente i mieli chiari sono poveri
di sostanze minerali, mentre quelli pi scuri, in particolare il miele di castagno e quello di
melata, ne sono pi ricchi[5]. La presenza di questi causata dallassorbimento, attraverso
la linfa, dei minerali contenuti nel terreno. Per questo la quantit di ogni sale varia da miele
a miele a seconda dellorigine botanica e geografica[6].
Proteine e amminoacidi
Il miele povero di amminoacidi liberi e di proteine (contiene mediamente lo 0.20.3%). Questi possono essere presenti nel nettare, nella melata o possono essere contenuti
nei granuli di polline che si trovano nel miele. Alcuni amminoacidi provengono anche da
secrezioni delle api e si trovano in tutti i mieli; un esempio la prolina, lamminoacido
libero presente in maggior quantit[7].
Altri amminoacidi identificati presenti nel miele sono, ad esempio, larginina, listidina, la
leucina, la lisina e la metionina (Fig. 1.8).
Fig. 1.8: i principali amminoacidi presenti nel miele.
Una particolare classe di sostanze proteiche che riveste unimportanza particolare

rappresentata dagli enzimi.
8

Enzimi e vitamine
Il miele contiene diversi enzimi derivanti dalle secrezioni ghiandolari delle api, dal
nettare e dalla melata. Essi rivestono unelevata importanza perch catalizzano la maggior
parte delle reazioni che portano alla formazione del miele. Inoltre, poich essi si degradano
progressivamente nel tempo o in seguito a trattamenti termici, la loro quantit pu
costituire un indice di freschezza del prodotto.
I principali enzimi del miele sono linvertasi e glucosio ossidasi (secreti da una ghiandola
delle api), le diastasi e varie amilasi (dorigine in parte animale ed in parte vegetale), le
catalasi e fosfatasi (derivanti dal nettare e dalla melata).
Essi svolgono diverse funzioni:
La glucosio ossidasi, in presenza di acqua, provoca lossidazione del glucosio con

liberazione di acido gluconico e acqua ossigenata (Schema 1.1):
Schema 1.1: ossidazione del glucosio.
Linvertasi catalizza lidrolisi del legame glicosidico del saccarosio, generando i

due monomeri che lo costituiscono (D-glucosio e D-fruttosio) secondo la reazione
(Schema 1.2):
Schema 1.2: azione dellenzima invertasi.
La reazione accompagnata da una modifica della rotazione ottica da destrogira a

levogira; per questo motivo lenzima prende il nome di invertasi ed il prodotto
generatosi viene detto zucchero invertito.
La catalasi catalizza la conversione dellacqua ossigenata in acqua e ossigeno:

2 H 2 O2 catalasi
2 H 2 O O 2
La diastasi, in presenza di acqua, scinde gli oligosaccaridi, come lerlosio, in

composti pi semplici (Schema 1.3):
Schema 1.3: azione dellenzima diastasi.
Questo enzima si degrada con il passare del tempo e se sottoposto a trattamenti

termici. La quantit di diastasi presente nel miele, indice diastasico, viene misurata
secondo la scala di Schade ed indice della freschezza del miele.
Il miele un alimento estremamente povero di vitamine; le quantit presenti sono
dellordine di mg/kg e non hanno assolutamente importanza dal punto di vista nutritivo,
tenuto conto delle dosi di miele normalmente assunte. Le vitamine presenti appartengono
al gruppo delle idrosolubili: tiamina, riboflavina, acido ascorbico, piridossina, acido
pantotenico, biotina, acido folico, niacinamide (Fig. 1.9).
Fig. 1.9: le principali vitamine presenti nel miele.
Le vitamine che si trovano nel miele derivano non dal nettare, ma dal polline che le
contiene in concentrazioni ben pi elevate.
Costituenti minori
Nel miele sono presenti dei costituenti minori, sostanze che si trovano in quantit
estremamente ridotte e chimicamente molto diverse tra loro:
Composti aromatici e sostanze volatili: si tratta di diversi composti (acidi, alcoli,

chetoni, aldeidi, esteri, furani) che sono presenti in varie proporzioni. Essi sono
differenti per ogni specie di miele e contribuiscono a caratterizzare laroma del
prodotto. Trattandosi di sostanze volatili e termolabili risultano di difficile
10

identificazione; alcune, tuttavia, sono state determinate attraverso tecniche NMR e
gascromatografiche. In particolare uno studio GC effettuato sui mieli di castagno e
di limetta, ha potuto individuare come markers del castagno queste sostanze:
acetofenone, 1-fenil etanolo e 2-aminoacetofenone[8]. Un altro studio realizzato su
diverse specie di miele tra cui castagno ed acacia, ha individuato diversi
componenti[9], tra cui furani come il 2-acetil furano e la 2-furanaldeide (furfurale,
Fig. 1.10), esteri come il salicilato di metile e benzoato di propile (Fig. 1.11).
a)
b)
Fig. 1.10: a) 2-Acetil furano b) 2-Furanaldeide(Furfurale).
a)
b)
O
OH
OH
Fig. 1.11: a) Salicilato di metile b) Acido benzoico propil estere.
Infine uno studio sul tiglio ha evidenziato la presenza alcuni due markers di
questorigine: il 4-(1-idrossi-1-metiletil)cicloesa-1,3-diene-1-carbossilico e lacido
4-(1-metiletilene)cicloesa-1,3-diene-1-carbossilico [10].
Altre sostanze aromatiche sono i fenoli, a volte presenti in seguito a trattamenti
effettuati dagli apicoltori; sono stati identificati il timolo e il carvacrolo[11].
Composti di importanza non secondaria sono infine i flavonoidi. Essi sono
pigmenti di origine vegetale che contribuiscono alla formazione del colore e
risultano utili per la determinazione dellorigine geografica[12]. In Fig. 1.12 sono
riportati due flavonoidi trovati in alcuni tipi di miele.
OH
a)
b)
HO
HO
OH
OH
Fig. 1.12: a) Apigenina (5,7,4-triidrossiflavone) b) Crisina (5,7-diidrossiflavone).
11
Lipidi: la loro presenza nel miele praticamente insignificante ed probabilmente

collegata alle cere residue provenienti dalle estrazioni.
Esteri ed alcoli: sono presenti relativamente in gran quantit e sono di diversi tipi in
base alle diverse origini del miele. Esempi di questi composti sono lacetato di
geranile e il linaloolo (Fig. 1.13).
a)
OH
b)
O
O
Fig. 1.13: a) Acetato di geranile (3,7-dimetil 2,6-octadien-1-acetato)

b) Linaloolo (3,7-dimetil-1,6-octadien3-olo).
Idrossimetilfurfurale: una sostanza (Fig. 1.14) praticamente assente nel miele

appena estratto; si forma successivamente per degradazione degli zuccheri, in
particolare del fruttosio in ambiente acido. La sua concentrazione aumenta, con il
passare del tempo, tanto rapidamente tanto pi il miele stato sottoposto a
trattamenti termici; mieli di buona qualit presentano valori di HMF attorno ai 20
mg/kg.
O
O
OH
Fig. 1.14: Idrossimetilfurfurale (HMF).
Propoli: pu essere presente in tracce allinterno del miele. una sostanza resinosa
che le api raccolgono dalle gemme e dalla corteccia delle piante. Viene considerata
dorigine vegetale nonostante le api la elaborino con laggiunta di cera, polline ed
enzimi prodotti dalle stesse. Normalmente contiene il 25-30% di cera, il 45-55% di
resine e balsami, il 10% di oli essenziali, il 5% di polline e il 5% di sostanze
organiche e minerali.
Sostanze esogene: possono essere sostanze di origine naturale o aggiunte

dalluomo. Un esempio delle prime lacido ossalico, lacido formico e lacido
lattico; sono utilizzate per combattere un acaro parassita delle api (Varroa
12

destructor) che, nutrendosi della loro emolinfa, ne causa la morte. Eventuali
sostanze nocive aggiunte dalluomo per uccidere i parassiti devono rientrare nei
valori di soglia stabiliti dalle normative vigenti.
PROPRIET CHIMICO-FISICHE
Le propriet fisiche del miele sono strettamente correlate alla sua composizione
chimica. Sostanze come acqua e zuccheri, per esempio, determinano propriet quali
lindice di rifrazione, ligroscopicit e la capacit di cristallizzare mentre i sali influenzano
la conducibilit elettrica.
Le propriet che condizionano maggiormente le caratteristiche del miele sono le seguenti:
Indice di rifrazione: varia linearmente con il contenuto di umidit (aumenta al
diminuire della percentuale di acqua). La sua determinazione uno strumento utile per
conoscere il contenuto di questa nel miele.
Densit: a 20 C varia da 1.39 a 1.43 g/cm3, con un valore medio di a 1.42 g/cm3.
Viscosit: generalmente alta a causa dellelevata
concentrazione di zuccheri (rende lidea la Fig. 1.15).

Essa legata al contenuto d'acqua e alla temperatura:
maggiore la quantit di acqua presente e la temperatura,
pi bassa la viscosit (diventa stabile a circa 40 C).
pH: come gi citato precedentemente, il pH ideale
circa pari a 5 ma spesso si possono avere valori pi

bassi. Linvecchiamento del miele comporta laumento
dellacidit, con conseguente perdita delle sostanze che
Fig. 1.15: viscosit del miele.
forniscono laroma e perdita di attivit degli enzimi. Un metodo (detto di White) permette
di misurare lacidit totale come somma dellacidit libera, dovuta agli acidi organici, e
dellacidit combinata, dovuta alla presenza di lattoni. Si basa sulla determinazione del pH
attraverso misure potenziometriche e neutralizzazioni acido-base fatte su una soluzione
costituita da miele (10 g) e acqua (75 mL). Si utilizza questo metodo perch gli acidi
organici si trovano in una condizione di equilibrio tra la forma libera e quella combinata
(esterificata o lattonificata in caso degli ossoacidi). In particolare vengono effettuate due
titolazioni potenziometriche a punto finale (lerogazione del titolante viene interrotta a pH
prefissato) e lacidit libera viene misurata per titolazione diretta, mentre i lattoni vengono
idrolizzati aggiungendo alcali alla soluzione del miele ed infine determinati con una
retrotitolazione[13].
13
Igroscopicit: causata dellelevata presenza di zuccheri. Il miele una sostanza
molto igroscopica, tende a raggiungere un equilibrio igrometrico con lambiente esterno: in

ambiente umido assorbe acqua, mentre in ambiente secco la cede (questo processo molto
pi lento del primo). Quindi importante che il miele sia conservato in ambienti con
umidit relativa bassa (non superiore al 60%). Questo per evitare che il contenuto dacqua
venga modificato e con esso varie propriet quali, per esempio, la cristallizzazione (in
seguito a fenomeni di fermentazione del prodotto).
Conducibilit elettrica: vale in media 0.5-0.8 mS/cm. Nel miele le sostanze
ionizzabili in grado di condurre sono essenzialmente sali, acidi organici e proteine. La

misura di questa propriet pu essere quindi utile per determinare la quantit di sali
presenti: quelli di melata e quelli particolarmente scuri presentano, solitamente, i valori di
conducibilit elettrica pi elevati di quelli di nettare.
Rotazione specifica: tale propriet conferita dagli zuccheri e da molecole chirali.
Langolo di rotazione dato dalla somma degli angoli di rotazione dei singoli zuccheri; la
maggior parte dei mieli di nettare sono destrogiri, mentre i mieli di melata sono levogiri.
Colore: varia naturalmente dalle tonalit pi
chiare del giallo a quelle pi scure dellambra, fino

praticamente al nero; non mancano mieli con riflessi
verdi o rossi (Fig. 1.16). Le sostanze specifiche
responsabili del colore del miele sono in parte ancora
sconosciute; vi contribuiscono prodotti derivati dagli
zuccheri, da alcuni pigmenti vegetali (carotene,
xantofille, antociani, flavonoidi), da amminoacidi e
sali minerali[14]. Il colore del miele legato allorigine
botanica ed pertanto un importante parametro per la
definizione dei mieli uni floreali. Il miele di acacia, ad
esempio, presenta un colore giallo paglierino, quello
di castagno un ambrato molto scuro e quello di tiglio
Fig. 1.16: vasetti di miele di vari

colori.
un ambrato chiaro. Cambiamenti di colore possono

anche derivare da interventi dellapicoltore (uso di favi vecchi, contatto con metalli, alte
temperature di lavorazione), dalle modalit di conservazione (esposizione alla luce, lunghi
tempi di stoccaggio) e dallinvecchiamento.
Il colore viene misurato in mm della scala Pfund, utilizzando appositi comparatori ottici: lo
strumento costituito da una scala campione di vetrini colorati, un piccolo contenitore per
14

il campione da misurare e una scala millimetrata dotata di un puntatore per indicare la
posizione l dove il campione ha la stessa gradazione di colore rispetto al vetrino di
riferimento. Esiste una classificazione del miele mediante una scala messa a punto dal
Dipartimento dellAgricoltura degli Stati Uniti e comunemente utilizzata nel commercio
internazionale (Tab. 1.1).
INDICE DI PFUND DENOMINAZIONE
Fino a 8 mm
Bianco acqua
Da 9 a 17 mm
Extra Bianco
Da 18 a 34 mm
Bianco
Da 35 a 50 mm
Ambra extra chiaro
Da 51 a 85 mm
Ambra chiaro
Da 86 a 114 mm
Ambra extra chiaro
Pi di 115 mm
Ambra scuro
Tab. 1.1: Classificazione del colore del miele usata nel commercio internazionale.
Cristallizzazione: assieme al colore, uno dei parametri di maggiore importanza
per la valutazione del miele dal punto di vista commerciale. Il miele cristallizza sulla base
di un processo naturale in quanto una soluzione soprasatura di zuccheri; il prodotto tende
nel tempo a passare da una forma disordinata (amorfa) ad unordinata (cristallina) a causa
della precipitazione degli zuccheri sotto forma di cristalli. Il processo di cristallizzazione
porta alla formazione di cristalli di glucosio monoidrato, in quantit, forma e disposizione
diverse secondo le condizioni in cui il processo ha avuto luogo: maggiore il tempo in cui
questo avviene, tanto pi voluminosi saranno i cristalli.
La tendenza di un miele alla cristallizzazione muta in relazione alla sua composizione
(contenuto di acqua e zuccheri) ed alla temperatura di conservazione. Essa risulta pi
rapida in mieli ricchi di glucosio (il tenore di glucosio supera il 28%), che presentano
particelle solide in sospensione, che hanno un appropriato contenuto dacqua (compreso tra
il 15 e il 18%) e che sono conservati ad una temperatura prossima ai 14 C. La velocit di
formazione dei cristalli massima a tale temperatura mentre sopra ai 25 C e sotto ai 5 C
risulta completamente inibita. Questo perch sopra i 25 C il processo rallenta a causa della
distruzione dei cristalli (a 78 C la distruzione completa e il miele non pu pi
cristallizzare) e al di sotto dei 4 C la viscosit troppo elevata, limitando il movimento
delle molecole e rallentando cos il processo.
La cristallizzazione modifica solo laspetto del prodotto, ma non influenza alcuna
caratteristica o propriet nutritiva (gli unici cambiamenti consistono nellaspetto e nel
15

sapore che diventa leggermente meno dolce). Il contrario avviene sottoponendolo ad alte
temperature al fine di distruggere i cristalli di glucosio ed ottenere un miele liquido (si
denaturano gli enzimi e le vitamine).
PROPRIET TERAPEUTICHE
Un cenno merita alcune propriet del
miele che, insieme agli altri prodotti delle api
(pappa reale, polline e soprattutto propoli e
veleno dape, Fig. 1.17), lo fanno impiegare
come terapia per la cura delle affezioni
reumatiche, ulcere, artriti[15] e certe malattie
infiammatorie come il mal di gola. Le sue
principali propriet sono:
antiossidante e antiradicali liberi. Questa

causata dai composti fenolici, dalla
vitamina C e da altre sostanze[16,17]. Viene
analizzata
attraverso
metodi
che
Fig. 1.17: in ordine da sinistra: miele, pappa

reale, propoli e veleno dape.
osservano la capacit di questi composti a neutralizzare i radicali liberi in

soluzione;
antimicrobica. Questa causata dal perossido di idrogeno prodotto dallazione

degli enzimi ossidasi e da altri tipi di molecole come la pinocembrina (flavonoide)
e vari acidi. E studiata osservando lazione di queste sostanze contro determinati
batteri[18].
I composti contenuti nel miele possiedono anche altre propriet di carattere
farmacologico, tuttora fonte di studio. Ad esempio i flavonoidi possiedono propriet

analgesiche, inibendo le cicloossigenasi[19], e lacido chinurenico agisce sul sistema
nervoso centrale legandosi ai recettori dellacido glutammico[20].
16
NORMATIVA ED ANALISI SUL MIELE

DENOMINAZIONE D'ORIGINE BOTANICA
La direttiva europea sul miele (409/74) e la corrispondente legge italiana (753/82)
prevedono una classificazione del miele secondo la sua origine botanica e geografica. Tale
direttiva risulta chiara dal punto di vista delle indicazioni geografiche, ma incompleta per
quanto riguarda quelle botaniche. Essa, infatti, afferma che al miele pu essere applicata
unindicazione legata allorigine vegetale o floreale se il prodotto proviene soprattutto da
tale origine e ne possiede le caratteristiche organolettiche, chimico-fisiche e
microscopiche. La legge avrebbe dovuto essere completata da un decreto applicativo
contenente, per ogni tipologia di miele unifloreale, dei limiti ben precisi e caratteristici per
i vari parametri organolettici, chimico-fisici e microscopici, che avrebbero permesso di
verificare le denominazioni utilizzate nel commercio[21].
Esistono due categorie di miele: unifloreale e multifloreale. Il primo deriva
principalmente da una specie botanica (in questa categoria rientrano anche i mieli di melata
poich hanno ununica origine, anche se non nettarifera); il secondo deriva da raccolte che
si protraggono per un certo periodo e in cui non vi una specie predominante. Per definire
se il miele unifloreale necessario studiare numerosi campioni dellorigine in questione,
provenienti da diverse zone e rappresentativi di diverse annate.
Attualmente sono stati classificati 18 tipi di miele unifloreale prodotto in Italia: robinia,
cardo, castagno, erica, agrumi, eucalipto, corbezzolo, erba medica, rododendro, girasole,
sulla, rosmarino, nespolo del Giappone, tiglio, timo, tarassaco, melata di Metcalfa e melata
di abete. I mieli unifloreali sono considerati una tipologia privilegiata, ma in realt il loro
valore non intrinsecamente superiore a quello dei millefiori; alcuni, per esempio, possono
non essere graditi alla maggior parte dei consumatori per un aroma particolare legato alla
loro origine e una tendenza a cristallizzare irregolarmente. Daltra parte i mieli unifloreali
hanno il vantaggio di essere tra loro diversi, con caratteristiche costanti e riconoscibili, in
grado di soddisfare il gusto del consumatore in modo particolare. Certamente la
produzione
dei
mieli
unifloreali
richiede
all'apicoltore
maggiore
impegno
professionalit[22].
DENOMINAZIONE DI ORIGINE GEOGRAFICA

Le caratteristiche organolettiche e la composizione del miele sono notevolmente
influenzate da diversi fattori tipici del territorio di produzione come, per esempio, dalla
17

vegetazione, dal tipo di suolo, e dalle diverse attivit umane che possono avere degli effetti
negativi sulla salubrit del prodotto.
La Legge italiana 753/82 sul miele prevede due livelli di denominazione geografica:
art. 3 (obbligatorio) che discrimina il miele prodotto totalmente o parzialmente

allesterno della Comunit Europea;
art. 6 (facoltativo) secondo il quale il miele pu essere commercializzato con

unindicazione relativa allorigine geografica, quale un nome regionale, territoriale
o topografico, qualora il miele provenga totalmente dallorigine indicata.
La provenienza geografica contribuisce al valore commerciale del miele sia per
caratteristiche reali del prodotto, sia per l'immagine sia ne pu derivare (previsto dalle
norme sul miele e dal regolamento CE 2081/92).
Il controllo dell'origine geografica del miele affidato completamente all'analisi pollinica.
Il quadro pollinico che si ottiene da un esame microscopico, infatti, corrisponde dal punto
di vista floristico alla zona di produzione.
LIMITI DELLANALISI MELISSOPALINOLOGICA

Lanalisi melissopalinologica, ossia lanalisi del polline dei mieli, nata con la
finalit di determinare lorigine geografica del prodotto; in seguito stata applicata alla
definizione dellorigine botanica. La mellissopalinologia quindi quella branca della
palinologia (scienza che si occupa dello studio dei pollini) che studia lorigine botanica e
geografica dei mieli sulla base dellanalisi microscopica e sul riconoscimento dei pollini e
degli altri elementi presenti[23].
Tale tecnica presenta diversi limiti e problematiche che non permettono di
identificare con precisione lorigine botanica del miele. Il polline che si trova nel miele non
deriva solo dalle fasi di raccolta del nettare (arricchimento primario, lunico in relazione
con lorigine botanica), ma anche da quelle successive di elaborazione da parte delle api
(arricchimento secondario), dalle operazioni di smielatura (arricchimento terziario) o dal
polline disperso nellatmosfera (arricchimento quaternario). Lanalisi pollinica non pu
quindi essere completamente risolutiva per lidentificazione dellorigine botanica, in
quanto contiene elementi di disturbo.
Un altro forte elemento di imprecisione deriva dal fatto che la quantit di polline
presente nel nettare al momento della raccolta estremamente variabile secondo lorigine:
per esempio, il nettare di tiglio contiene sempre pochi granuli pollinici in quanto la forma
capovolta dei fiori e la posizione dei nettari non permettono un consistente arricchimento
18

primario. Molti apicoltori, inoltre, sono soliti durante lanno spostare le proprie arnie in
diverse aree geografiche, dai monti alle pianure, in maniera tale da riuscire a produrre
miele di diverse origini botaniche secondo la zona e del periodo dellanno e di
incrementare cos la produzione. Le arnie che vengono spostate possono contenere ancora
il polline di specie botaniche delle zone in cui si trovavano precedentemente e quindi il
miele successivamente prodotto pu risultarne contaminato. A differenza di quel che si
pensa, in seguito ad unanalisi melissopalinologica, la specie botanica che crediamo essere
dominante nella maggior parte dei casi risulta presente solo in piccola percentuale e
saranno trovati in abbondanza pollini non presenti al momento del raccolto.
Oltre ai limiti sopra descritti possiamo riscontrare altre problematiche pratiche. La
prima riguarda il fatto che le analisi devono essere svolte da personale estremamente
specializzato ed esistono pochissimi laboratori che possiedono gli strumenti adatti
allanalisi e tale personale. Il secondo problema riguarda la standardizzazione dell'analisi
stessa: il riconoscimento dei pollini da parte degli analisti pu essere standardizzato solo
attraverso una formazione uniforme ed un costante aggiornamento.
La standardizzazione dell'interpretazione dei risultati si basa sul sistema
informatico che di uso ancora limitatissimo, non esistendo una banca dati
sufficientemente estesa. Esiste inoltre unimprecisione di base sulla valutazione dello
spettro pollinico riguardante il campionamento (la preparazione di un vetrino a partire da
pochi grammi di miele), che troppo ridotto per poter avere dei risultati identici ripetendo
l'analisi, in termini di tipi di pollini riscontrati ed in termini di accuratezza che, affinch sia
dell'ordine dell'1% nella stima delle frequenze relative, necessita di un conteggio su 40000
granuli pollinici, aumentando cos i costi della tecnica. Da ci deriva che questo tipo di
analisi non permette di arrivare a risultati riproducibili quanto quelli ottenibili con altre
tecniche.
FRODI SULLORIGINE DEL MIELE

Nel caso dellorigine geografica il miele, in caso di frode, venduto con una
denominazione che non gli corrisponde. Il problema sta nei limiti dellanalisi pollinica e
nel fatto che gli spettri pollinici possono subire delle variazioni in seguito alla variazione
dellagroecosistema dei sistemi di apicoltura; possono essere facilmente modificati nel
corso della lavorazione, proprio con la finalit di frode, attraverso miscelazione tra mieli
diversi o eliminando il polline presente in esso attraverso filtrazione spinta e sostituendolo
poi con pollini di altre origini. Un miele filtrato si riconosce facilmente per il ridottissimo
19

numero di elementi figurati presenti (granuli pollinici ed indicatori di melata); la filtrazione
spinta, vietata dalla legge, pu avere anche la finalit di ridurre i rischi di ricristallizzazione
ed applicata nella lavorazione del miele destinato alla commercializzazione negli Stati
Uniti dove la tecnica permessa.
Nel caso dellorigine botanica sono frequenti errori di valutazione del prodotto da
parte dellapicoltore e dei commercianti. Il problema, quindi, se guardato dal punto di vista
del consumatore, non sta nel definire una percentuale minima di origine, ma nel precisare
dei limiti di composizione e di caratteristiche che facciano s che il consumatore riscontri
nel miele comprato tutte le caratteristiche (per esempio colore, aspetto fisico, odore e
sapore) proprie della specie botanica desiderata. Il controllo pu essere fatto attraverso la
verifica della corrispondenza alle caratteristiche organolettiche, chimico-fisiche e
microscopiche standard. Per alcuni tipi di mieli pi comuni sono riportate in letteratura le
schede con le loro caratteristiche specifiche e sar quindi sufficiente solo la verifica
organolettica. Quando invece il risultato della smielatura diverso dallatteso (per esempio
lacacia troppo scura o saporita, il castagno comincia a cristallizzare due mesi dopo la
produzione) necessario verificare se il prodotto, visibilmente meno puro della norma,
rientra o no negli standard previsti.
ESEMPI DI METODI ANALITICI PER LA DETERMINAZIONE DELLORIGINE

BOTANICA E GEOGRAFICA
Selezionati vari campioni di mieli scelti in base allorigine da studiare, vengono
eseguite analisi su componenti o propriet ritenute maggiormente caratterizzanti[24]: misure
chimico-fisiche per il controllo della qualit (pH, rotazione specifica, spettro degli
zuccheri, enzimi, colore, etc)[25], determinazione del contenuto di minerali[26],
determinazione della composizione di carboidrati[27], di amminoacidi[28], di composti
fenolici[29] e di altri componenti[30].
Lo studio pu essere effettuato con diverse tecniche, scelte in base a vari fattori
secondo i casi, e risulta accompagnato con una trattazione statistica dei dati ottenuti.
In seguito sono elencati alcuni metodi danalisi utilizzati:
Spettroscopia FT-NIR[31] su campioni non estratti;
Spettroscopia FT-ATR-MIR[32] su campioni non estratti;
Spettroscopia di emissione[33] su campioni non estratti;
Spettroscopia NMR[34,35] su campioni estratti;
20
Analisi HPLC dei componenti fenolici (acidi fenolici ed acido abscissico[29],

flavonoidi[36]);
Analisi HPLC degli amminoacidi[37];
Analisi GC-MS dei composti volatili[30] (responsabili dellaroma);
Analisi GC-MS dei composti fenolici[38].

Limpiego di sistemi statistici consiste nel selezionare gruppi di campioni
omogenei dai quali uscir un profilo standard per ogni tipologia studiata, ognuno con le
proprie caratteristiche organolettiche, microscopiche e chimico-fisiche. possibile quindi
utilizzare alcune schede di caratterizzazione dei principali mieli unifloreali basate su
analisi di tipo microscopiche, organolettiche e chimico-fisiche. Il controllo dellorigine
botanica si basa quindi sul confronto tra i dati ottenuti sul campione da valutare ed i profili
presenti: se c coincidenza, il miele pu essere definito unifloreale. Lanalisi dellorigine
geografica risulta pi difficoltosa a causa di piccole differenze di composizione e non tutti i
metodi sopraccitati possono risultare efficaci. In genere questi nuovi metodi presentano dei
limiti: si basano su un numero limitato di campioni e lanalisi usata su una combinazione
di parametri derivanti da misure indipendenti.
APPLICAZIONE DELLA RISONANZA MAGNETICA NUCLEARE

Il campo di applicazione della risonanza magnetica nucleare molto vasto e spazia
in molti campi. Tale tecnica risulta particolarmente adatta a risolvere problematiche che
richiedono un approccio multidisciplinare; questo il caso delle matrici alimentari. Negli
ultimi anni molti studi hanno affrontato il problema dellanalisi dei prodotti alimentari,
concentrata soprattutto sullo studio e sulla determinazione delle componenti principali,
rivolgendo un interesse particolare verso tutte quelle sostanze il cui contenuto legato a
limiti legislativi. Il grande vantaggio della tecnica NMR consiste nella capacit di
analizzare matrici alimentari (come aceto balsamico, miele, formaggi, olio, caff) anche
molto complesse, sottoponendole a poche manipolazioni.
Nel caso del miele due studi NMR hanno confermato la possibilit di determinarne
lorigine botanica e geografica attraverso lanalisi di spettri degli amminoacidi[39] e degli
zuccheri presenti[40]. In altri 2 lavori pi recenti sono analizzati estratti organici in
DMSO[41] ed il profilo in carboidrati[42], ma i metodi non risultano affidabili a causa del
numero limitato di campioni di miele studiati. Scopo di questo gruppo di ricerca la messa
a punto di un metodo che, analizzando lo spettro 1H-NMR dellestratto organico in CHCl3 ,
identifichi lorigine botanica e geografica dei campioni di miele.
21
PROGETTO DI TESI
Lanalisi statistica condotta nel precedente lavoro di tesi[43] su 97 campioni di miele
dei colli Euganei di 4 origini botaniche diverse, ha evidenziato particolari segnali NMR
nella zona dei protoni aromatici presenti solo nel miele di castagno. Questi segnali
appartengono, probabilmente, ad una molecola che pu essere considerata marker di
questo tipo di miele (Fig. 2.1). La parte iniziale del mio lavoro di tesi ha avuto come
obiettivo lisolamento, lindividuazione e la caratterizzazione di questa molecola.
Fig. 2.1: spettro completo (a) e della zona aromatica (b) di un campione di castagno. In rosso i segnali
caratteristici della molecola.
Dopo larrivo di 65 campioni forniti dallindustria Rigoni, il progetto di tesi

proseguito con lanalisi di questi ultimi per lampliamento di un database gi esistente
costruito al fine di ottenere un metodo che permette, tramite analisi di spettri 1H-NMR e
chemiometria, lidentificazione dellorigine botanica di mieli incogniti. Lobiettivo
costruire un nuovo modello di analisi multivariata su un training set di 162 campioni di 6
origini botaniche differenti (castagno, acacia, tiglio, millefiori, eucalipto ed arancio) ed
ottenere la validazione utilizzando un test set costituito da 12 campioni acquistati al
supermercato o direttamente dal produttore. In aggiunta si cercato di isolare ed
individuare uno dei marker del miele di eucalipto.
22
STRUMENTAZIONE E METODOLOGIA
RISONANZA MAGNETICA NUCLEARE
La risonanza magnetica nucleare (NMR) una tecnica spettroscopica che si basa
sulla misura dellassorbimento di radiazioni elettromagnetiche nella regione delle
radiofrequenze (400-800 MHz) da parte di un campione immerso in un intenso campo
magnetico (9.4-18.8 T). Tale tecnica utilizzata per ottenere informazioni di tipo chimico
e fisico sulle molecole presenti. Come per le altre tecniche spettroscopiche, la frazione di
radiazione assorbita legata alla concentrazione delle specie assorbenti, mentre lenergia
delle transizioni dipende dalle propriet atomiche, molecolari e dallintensit del campo
magnetico applicato.
LNMR si basa sul principio fisico per il quale dei nuclei dotati di spin nucleare
(cio con un numero di protoni e/o di neutroni dispari), sottoposti allazione del campo
magnetico e colpiti da onde elettromagnetiche nella regione delle radiofrequenze,
producono un segnale di risonanza osservabile ad una frequenza proporzionale al campo
osservato (frequenza di risonanza).
La distribuzione degli elettroni attorno al nucleo e linterazione magnetica tra i nuclei
stessi creano uno spostamento del valore del campo magnetico sperimentato da ciascun
nucleo. Questo fa che si abbia una variazione della frequenza di risonanza del campione;
essa pu fornire alloperatore una serie dimportanti informazioni quali la distribuzione
degli elettroni attorno al nucleo (quindi la composizione chimica del campione) e le
interazioni fra nuclei (che forniscono invece la struttura fisica e la dinamica delle molecole
nel campione stesso).
NMR AD ALTA RISOLUZIONE: FONDAMENTI TEORICI

La risonanza magnetica nucleare permette di effettuare sia analisi chimiche di tipo
qualitativo che quantitativo, di ottenere la risoluzione strutturale di molecole complesse, di
distinguere un particolare nucleo secondo ci che lo circonda allinterno della molecola e
di ottenere importanti informazioni sulle molecole dinteresse. Questa tecnica necessita
dellutilizzo campi magnetici molto intensi (dai 4 ai 18 T), omogenei e stabili nel tempo.
23

I nuclei aventi momento angolare di spin I diverso da zero, presentano un momento
magnetico di spin = I non nullo a esso associato, dove rappresenta il rapporto
giromagnetico del nucleo esaminato. Un nucleo avente numero quantico di spin I possiede
un momento angolare di spin di modulo:
|I| II 1
1/2
con = h/2 ; dove h la costante di Planck.
La componente del momento angolare lungo lasse z (scelto come riferimento), vale:
I z mi
con mi = I, I-1, , -I; dove mi il numero quantico magnetico.
Sono quindi possibili 2I+1 stati di spin energeticamente equivalenti che si differenziano
unicamente per il valore di mi. In questo lavoro il nucleo esaminato il protone (1H), per il
quale I = 1/2, e sono quindi possibili due stati di spin degeneri (mi = -1/2) e (mi = 1/2).
Lapplicazione di un campo magnetico statico B0 rimuove la degenerazione tra gli
stati di spin creando una differenza di energia tra gli stessi proporzionale al campo
magnetico applicato:
E E E
h
B0
2
Lo stato si trova ora a minore energia (spin parallelo al campo magnetico applicato)
rispetto allo stato (spin antiparallelo, Fig. 3.1).
Fig. 3.1: transizione energetica in un esperimento NMR.
24

Per promuovere una transizione tra i due stati di spin necessaria una radiazione con
frequenza 0=(/2)B0; solo quando questa eguaglia la frequenza di Larmor, ovvero la
frequenza di precessione dei nuclei L, si raggiunge la condizione di risonanza:
L o
B0 (equazione fondamentale per lNMR).

2
In condizioni di equilibrio lo stato termodinamicamente favorito e quindi pi popolato

rispetto allo stato . La differenza di popolazione tra due stati di spin data dalla funzione
di distribuzione di Boltzmann:
N
hB0
E
exp
exp
N
kT
2 kT
hB0
.
1
2 kT
dove N il numero di protoni a maggiore energia, N il numero di protoni a minore

energia, k la costante di Boltzmann (pari a 1.3810-23 JK-1), T indica la temperatura
assoluta e E la differenza di energia tra i due stati.
La somma vettoriale dei singoli momenti magnetici i dei nuclei produce un vettore
M0 (magnetizzazione macroscopica) che, in condizioni di equilibrio, ha componente non
nulla solo lungo la direzione del campo magnetico statico (Mz). Le restanti componenti, Mx
e My, sono nulle poich ci troviamo in una condizione di random phase, condizione nella
quale le componenti dei singoli i, lungo il piano xy, sono presenti statisticamente con
uguale probabilit. Applicando un impulso a radiofrequenza, tale che la sua componente
magnetica B1 sia ortogonale a B0, si ha una deflessione del vettore magnetizzazione M di
un angolo , rispetto allasse z, proporzionale alla durata p dellimpulso stesso:
B1 p
Si origina cos una componente trasversale Mxy del vettore magnetizzazione che, una volta
rimosso B1, inizier a precedere attorno alla direzione di B0 alla frequenza di Larmor
caratteristica del nucleo. Questo moto di precessione crea un segnale detto FID (Free
Induction Decay), con andamento sinusoidale che decresce esponenzialmente nel tempo a
causa dei processi di rilassamento che tendono a ripristinare le condizioni di equilibrio.
La frequenza di risonanza di ciascun nucleo largamente influenzata dallintorno
chimico in cui si trova: nuclei con diversi intorni precedono a differenti frequenze in
quanto risentono dellazione di campi locali, minori di quello applicato, generati dal moto
25

degli elettroni degli atomi circostanti. Ogni nucleo viene quindi schermato da una nube
elettronica la cui densit dipende dallintorno nel quale inserito. Lintensit del campo
efficace la seguente:
Beff B0 (1 )
dove la costante di schermo
Modificando lequazione o
B0 si ottiene un valore di frequenza di risonanza

2
effettiva:

v eff
B0 1
2
Il chemical shift (in ppm) un parametro che misura leffetto di schermo ed

dato dallo spostamento della frequenza di risonanza di ciascun nucleo rispetto ad una
frequenza di riferimento:
o rif 6
10
rif
Consideriamo ora un esempio di esperimento monodimensionale.

Il periodo di preparazione consente al sistema di raggiungere lequilibrio termico:
un impulso a 90 flette la magnetizzazione M sul piano xy, dove inizia la precessione che
genera un segnale registrato come FID (Fig. 3.2). Questo segnale nel dominio del tempo
viene trasformato in un segnale nel dominio delle frequenze mediante trasformata di
Fourier.
La spettroscopia ad impulsi, a differenza di quella ad onda continua, permette di
eccitare simultaneamente tutti i nuclei e di raccogliere contemporaneamente tutti i segnali
emessi. Risulta cos possibile ripetere lesperimento numerose volte e sommare i FID
risultanti, ottenendo un notevole miglioramento del rapporto segnale/rumore, direttamente
proporzionale al numero di esperimenti effettuati.
26
Fig. 3.2: rappresentazione schematica di un esperimento NMR monodimensionale.
FENOMENI DI RILASSAMENTO
Applicando ad un campione un impulso a radiofrequenza, gli spin nucleari vengono
perturbati rispetto al loro stato di equilibrio. Il sistema tende in seguito a ritornare alla
condizioni iniziali mediante un fenomeno detto rilassamento che permette di disperdere
lenergia in eccesso attraverso le due componenti della magnetizzazione.
Magnetizzazione longitudinale lungo lasse z (Mz). Limpulso sposta il vettore di
magnetizzazione netta dallasse z al piano xy. Il ritorno della magnetizzazione lungo lasse
z detto rilassamento longitudinale: Mz torna al valore iniziale M0 con una velocit
dipendente dal tempo T1 secondo la seguente equazione differenziale:
dM z M 0 M z
dt
T1
dove T1 = tempo di rilassamento longitudinale
M z M 0 1 e t / T1
Durante questo processo, noto anche come rilassamento spin-reticolo (Fig. 3.3), lenergia
viene trasferita dal nucleo eccitato allambiente circostante mediante varie interazioni, ad
esempio dipolo-dipolo. Lenergia persa dagli spin trasferita allambiente sottoforma di
calore ma essendo molto piccola, la variazione di temperatura del campione trascurabile.
Fig. 3.3: rilassamento longitudinale.
27
Magnetizzazione trasversale sul piano xy (Mxy). Non considerando il rilassamento
longitudinale, ci si aspetta che il vettore magnetizzazione ruoti lungo lasse z; ci

teoricamente possibile solo se il campo magnetico che agisce su ciascuno spin del
campione esattamente lo stesso. Questo non accade: alcuni spin sono soggetti ad un
campo magnetico locale leggermente superiore o inferiore alla media, che li fa ruotare con
una frequenza maggiore o minore. I vettori momento magnetico tenderanno ad aprirsi a
ventaglio, portando quindi alla totale assenza di magnetizzazione netta sul piano
trasversale. Essa ritorna al valore iniziale con una velocit dipendente da T2, mediante un
fenomeno noto come rilassamento spin-spin o trasversale (Fig. 3.4) espresso mediante la
relazione M xy e t/T2 .
Fig. 3.4: rilassamento trasversale.
Il rilassamento trasversale genera un passaggio di spin dal livello a livello e viceversa

(flip-flop process), a differenza di quello longitudinale che provoca la perdita di energia
degli spin nucleari; il primo pu essere considerato un processo entropico mentre il
secondo un processo entalpico. La velocit di entrambi strettamente correlata alla
struttura della molecola esaminata.
Le differenze di campo magnetico che generano il rilassamento trasversale sono
dovute a due diverse sorgenti di rilassamento: una alla disomogeneit del campo magnetico
statico lungo il volume di campione (causata da unimperfezione puramente strumentale e
pu essere ridotta ottimizzando la shimmatura) e laltra al campo magnetico locale
generato dagli spin nucleari (prodotta da interazioni inter ed intramolecolari nel campione).
Queste due sorgenti si combinano in un unico tempo di rilassamento effettivo T2* che tiene
conto di tutti quei fattori che contribuiscono alla perdita del segnale trasversale:
1
1
1
1 B0

*
T2 T2 T2 B0 T2
2
28

dove T2 indica il contributo intrinseco nella molecola e T2 B0 il contributo derivante
dalla disomogeneit di campo. Leffetto pi evidente del rilassamento trasversale dato
dallallargamento dellampiezza dei picchi di risonanza: un rilassamento rapido degli spin
( T2 piccolo), produce un decadimento veloce del FID e picchi di risonanza allargati; uno
lento ( T2 grande), produce un decadimento lento del FID e picchi stretti. Infatti, la
larghezza di riga spettrale a met altezza (1/2) legata a T2* dalla seguente relazione:
1/ 2
1
T2*
Non risulter mai che T2 > T1 , dato che al recupero della magnetizzazione longitudinale
corrisponde lannullamento della magnetizzazione trasversale: se la magnetizzazione
ritornata completamente lungo lasse z, la magnetizzazione netta lungo il piano xy sar
nulla.
Il vantaggio della spettroscopia NMR consiste nellelevato tempo di vita degli spin
nucleari eccitati (da pochi secondi ad alcuni minuti) rispetto a quello degli stati elettronici
nella spettroscopia elettronica (alcuni picosecondi).
ACQUISIZIONE DEI DATI

Nellideare
nellimpostare
un
esperimento
necessario
prendere
in
considerazione diversi parametri che dipendono non solo dal tipo di campione e da ci che
si vuole dimostrare, ma anche da fattori come il tempo richiesto dallesperimento. A livello
industriale il fattore tempo un parametro di notevole importanza e va quindi ottimizzato,
sempre che ci non precluda la buona riuscita dellesperimento. Loperatore dovr quindi
occuparsi dellottimizzazione di una serie di parametri come il tempo di attesa, d1
(relaxation delay), la durata dellimpulso, pw (pulse width) in s, langolo dinclinazione
dellimpulso, ed il tempo di acquisizione, aq (Fig. 3.5).
Fig. 3.5: parametri principali da ottimizzare nella progettazione di un esperimento 1H-NMR.
29

Tempo di acquisizione (aq)
Il tempo totale di campionamento, detto anche tempo di acquisizione aq, definito
dalla velocit di digitalizzazione del segnale, che dipende a sua volta dallampiezza
spettrale (SW), che correlato al tempo di attesa tra un punto e il successivo (DW) e dal
numero totale di punti campionati (TD):
aq DW TD
TD
2 SW
Tempo di attesa (d1)

Rappresenta il tempo, in secondi, che necessario attendere tra due impulsi
successivi affinch il sistema di spin possa riportarsi allo stato di equilibrio; per
raggiungerlo necessario utilizzare elevati valori di d1, che si riflettono quindi sulla durata
complessiva dellesperimento. La lunghezza del d1 governata dalle propriet di
rilassamento dei nuclei del campione, ciascuno dei quali contribuisce con il proprio tempo
di rilassamento longitudinale, T1. necessaria una conoscenza approfondita dei tempi di
rilassamento delle sostanze dinteresse che possono essere valutati con esperimenti di
inversion-recovery o semplicemente stimati a partire dai valori di T1 di molecole
strutturalmente simili. Se il tempo di ripetizione utilizzato eccessivamente corto rispetto
al T1 richiesto, si ha una diminuzione del rapporto segnale-rumore finch, nel caso estremo,
la magnetizzazione tra due impulsi successivi non ha il tempo sufficiente per poter
rilassare e quindi non si riesce a registrare il segnale (saturazione del segnale) a causa della
perdita completa della risonanza. Se si interessati nellosservare un dato segnale, la
saturazione deve essere necessariamente evitata; viceversa, essa pu essere appositamente
utilizzata qualora si voglia, ad esempio, eliminare un segnale molto intenso, come quello
del solvente[45].
Durata ed Inclinazione dellimpulso (pw, ).

I due parametri pw (pulse width, indica la durata dellimpulso) e a (tip angle, indica
langolo di inclinazione) sono strettamente correlati al tempo di rilassamento, T1, dei nuclei
presenti nel campione. Alcune molecole possiedono per tempi di rilassamento
longitudinali molto elevati, e in questi casi un intervallo di ripetizione corretto (5T1) pu
comportare tempi di acquisizione eccessivi per effettuare i classici esperimenti di
laboratorio.
30

Indipendentemente dallangolo di inclinazione, un impulso corto, ma di elevata potenza,
in grado di eccitare unampia finestra di frequenze (impulso hard), mentre un impulso
lungo e meno potente efficace in una regione pi ristretta (impulso soft). possibile
ridurre langolo di inclinazione dellimpulso, di conseguenza i tempi di attesa per il ritorno
allequilibrio, basandosi sullequazione di Ernst:
cos E e tr / T1
purch tra le scansioni trascorra un tempo tale da garantire il completo decadimento della
magnetizzazione trasversale, una volta scelto il tempo di ripetizione tr d1 aq .
Nei casi in cui i tempi di acquisizione eccessivamente lunghi costituiscano un problema,
necessario arrivare ad una situazione di compromesso tra sensibilit e quantit.
SEQUENZE PER LOTTENIMENTO DEGLI SPETTRI MONODIMENSIONALI

Di ciascun campione stato acquisito uno spettro monodimensionale utilizzando
una modifica della sequenza DPFGSE (Double Pulsed Field Gradient Spin-Echoes)
ovvero di una tecnica di eccitazione selettiva che combina impulsi selettivi con impulsi a
gradiente, al fine di produrre sequenze di eccitazione sperimentali caratterizzate da un gran
numero di propriet diverse. Lelemento base di questa sequenza pu essere schematizzato
con il blocco G S G , dove G rappresenta un impulso a gradiente, mentre S un
elemento generico (solitamente un impulso di inversione di 180) che pu assumere
qualsiasi angolo di rotazione nel piano cartesiano.
Nella specifica sequenza utilizzata in questo lavoro il blocco
modificato con il blocco G S G (Fig. 3.6).
Fig. 3.6: schema della sequenza utilizzata.
31
G S G
stato

In questa sequenza, i gradienti che precedono e seguono gli impulsi dinversione (il primo
hard che agisce su tutto lo spettro, il secondo selettivo che inverte solo la zona da
sopprimere) sono uguali e agiscono rifocalizzando la magnetizzazione che ha risentito solo
del primo impulso a 180, secondo il principio del gradient-echo. Gli spin che sono
sottoposti ad entrambi gli impulsi di inversione, in altre parole quelli che risuonano nella
zona selezionata dallelemento S, risentono delleffetto cumulativo dei due gradienti e
rimangono non fasati nel piano trasversale, non sono quindi osservati. Il profilo di fase
delle risonanze selezionate dettato dalle propriet dellimpulso selettivo S, che
potrebbero per discostarsi leggermente dallidealit. Ripetendo nuovamente il blocco
G S G
rifocalizzazione
(questa volta per utilizzando un gradiente di potenza G2, che evita la

accidentale
della
magnetizzazione
corrispondente
risonanze
indesiderate), eventuali errori di fase vengono eliminati e quindi il profilo di eccitazione

che ne risulta dipende esclusivamente dalle propriet dellimpulso selettivo.
Uno dei possibili utilizzi della sequenza DPFGSE e di quella qui presentata dato
dalla capacit delle stesse di eccitare una data zona dello spettro, permettendo cos di
eliminare tutte le risonanze che non interessano. Se i segnali in questione sono anche i pi
intensi, la loro eliminazione permette di liberare la memoria dellADC con conseguente
aumento del range dinamico; ci permette di aumentare il receiver gain e, di conseguenza,
la sensibilit di analisi, permettendo cos di osservare segnali di intensit troppo bassa per
essere visti normalmente[52].
NMR BIDIMENSIONALE
Uno spettro bidimensionale contiene segnali che sono funzione di due frequenze ed
rappresentato quindi da un grafico a due dimensioni: 1 in ordinata e 2 in ascissa. Un
esperimento di questo tipo richiede due trasformate di Fourier, ortogonali tra loro e su due
assi dei tempi indipendenti: t1 e t2.
In un esperimento 2D si possono distinguere quattro fasi: la preparazione,
levoluzione, il mescolamento e lacquisizione (Fig. 3.7).
32
tmix
t1
preparazione
evoluzione
mescolamento
t2 t 2
acquisizione
Fig. 3.7: schema generale per l'acquisizione di uno spettro 2D NMR.
Dopo il periodo di preparazione i nuclei raggiungono lequilibrio termico e in

seguito il sistema viene perturbato mediante un impulso di radiofrequenza a /2 che
deflette la magnetizzazione sul piano xy. Durante il periodo di evoluzione (t1) la
magnetizzazione pu evolvere sotto linflusso di vari fattori, come laccoppiamento spinspin e la precessione. Nella fase di mescolamento, il tempo m, costituito da una serie di
impulsi e intervalli di tempo, causa trasferimenti di magnetizzazione tra gli spin e il
segnale risultante viene registrato come FID durante il tempo t2. Ripetendo n volte
lesperimento, variando sistematicamente il tempo t1, si ottengono n FID, ognuno dei quali
fornisce uno spettro nel quale lintensit e/o la fase dei picchi dipende dal tempo t1. La
trasformata di Fourier viene prima applicata ai FID acquisiti durante t2, generando la
matrice S(t1; 2) e in seguito lungo lasse dei tempi t1 permettendo cos di ottenere lo
spettro 2D. Solo t2 lasse reale dei tempi perch in questo periodo viene acquisito un vero
FID; quello che si ottiene lungo lasse dei tempi t1 un interferogramma costruito
prendendo un punto da ciascuno spettro monodimensionale della matrice S(t1, 2).
Per ottenere utili informazioni da uno spettro 2D necessario che i nuclei evolvano
con una certa frequenza durante il tempo t1 e con frequenza diversa durante t2. Gli spettri
bidimensionali utilizzati in questo lavoro e di seguito descritti sono di due tipi:
Omonucleari: se i due assi del grafico rappresentanti i valori delle frequenze si
riferiscono ad uno stesso nucleo generando cos, oltre ai picchi di correlazione, dei picchi
diagonali che rappresentano la correlazione di un picco con se stesso. Spettri omonucleari
utilizzati in questa tesi sono: TOCSY, COSY, NOESY.
Eteronucleari: se i due assi si riferiscono a due nuclei diversi (HMQC, HMBC).
33

COSY 1H-1H (Correlation Spectroscopy)
Lesperimento COSY, basato sullaccoppiamento scalare spin-spin, costituito da
due impulsi a /2 separati dal periodo di evoluzione t1, sistematicamente incrementato, e
dal periodo di acquisizione t2 (Fig. 3.8). Durante il tempo di mescolamento la
magnetizzazione originariamente associata ad uno spin viene trasferita agli spin con cui
questultimo accoppiato scalarmene (trasferimento di coerenza).
Fig. 3.8: schema generale per l'acquisizione di uno spettro COSY.
Questo esperimento permette quindi di vedere le correlazioni esistenti tra protoni legati a
carboni adiacenti; sperimentalmente si osservano cross picchi tra atomi separati da non pi
di tre legami (3J). Tale esperimento pu quindi essere considerato come lo sviluppo in due
dimensioni di un esperimento monodimensionale di disaccoppiamento selettivo.
Per spiegare tale esperimento, consideriamo per esempio due spin A e X, accoppiati
con una costante di accoppiamento 1JA-X ed aventi chemical shift A e X. Dopo il primo
impulso a 90 lungo lasse x la magnetizzazione associata allo spin A, M(A), viene
trasferita nel piano trasversale lungo y dove precede con frequenzaA, attorno allasse z
durante t1. Durante questo tempo una parte della magnetizzazione rilassa, ed oltre alle due
componenti trasversali, si forma una componente di M lungo z. Il secondo impulso a 90
lungo x trasferisce parte della magnetizzazione di A allo spin accoppiato X, mentre la
rimanente resta associata ad A e precede durante il periodo di acquisizione (t2) con la
frequenza A come durante t1; questo porta alla formazione di un picco diagonale. Al
contrario la magnetizzazione trasferita precede durante t2 con la frequenza tipica dello spin
X e questo produce un cross picco.
TOCSY 1H-1H (Total Correlation Spectroscopy)

Nellesperimento TOCSY possibile vedere la correlazione tra nuclei che fanno
parte dello stesso sistema di spin, propagando il trasferimento della magnetizzazione al di
l degli spin direttamente accoppiati. Per fare ci ci si serve di una mixing sequence
34

costituita da una sequenza -180- (Fig. 3.9), nota come spin lock, mediante la quale la
magnetizzazione rimane bloccata sullasse y (spin locked).
90 x
mixing time tmix
1
t1
spin-locky
FID
Fig. 3.9: schema generale per l'acquisizione di uno spettro TOCSY.
Durante questo periodo (tempo di mescolamento, m) non vi alcuna evoluzione di

chemical shift, tutti gli spin sperimentano lo stesso campo magnetico efficace e questo
consente alla magnetizzazione di propagarsi da uno spin al suo vicino e cos via. Pi lungo
il tempo di mescolamento, maggiore la propagazione della magnetizzazione e ci
consente trasferimenti tra nuclei pi distanti.
La sequenza pi frequentemente usata la MLEV-16 alla quale viene aggiunto un
impulso di rifocalizzazione di 180 lungo y (MLEV-17) per eliminare lerrore di fase
eventualmente accumulato durante la sequenza:
MLEV-16
dove
ABBA BBAA BAAB AABB
A= 90x 180-y 90x

B= 90-x 180y 90-x
MLEV-17
(MLEV-16) 180y (MLEV-16) 180y
La sequenza viene ripetuta pi volte in maniera tale da coprire il mixing time voluto.
NOESY 1H-1H (Nuclear Overhauser Effect Spectroscopy)

Il NOESY un esperimento che prende in considerazione le interazioni dipolari tra
i singoli momenti magnetici nucleari, che si trasmettono nello spazio (al contrario di quelle
scalari che avvengono attraverso gli elettroni di legame). Irraggiando selettivamente e
intensamente il sistema alla frequenza di risonanza propria di un determinato protone, si
osservano variazioni nellintensit dei segnali corrispondenti a nuclei vicini a quello
perturbato, cio a nuclei ad esso accoppiati dipolarmente. Su tale principio si basa il NOE
(Nuclear Overhauser Effect).
35

Il primo impulso di 90 trasferisce la magnetizzazione nel piano trasversale dove,
durante il t1, evolve per effetto del chemical shift e dellaccoppiamento scalare (Fig. 3.10).
Il secondo impulso riporta parte della magnetizzazione lungo z, dove durante il m rilassa
attraverso fenomeni di interazione dipolare. Infine il terzo impulso riporta la
magnetizzazione, che ha subto mescolamenti tra i nuclei accoppiati dipolarmente, nel
piano xy permettendo cos di rilevarla durante il t2. Le componenti di M derivanti da
accoppiamenti scalari vengono eliminate con opportuni cicli di fase.
Fig. 3.10: schema generale per l'acquisizione di uno spettro NOESY.
Le distanze interprotoniche possono essere determinate dallentit delleffetto NOE e

quindi dal volume dei cross picchi presenti nello spettro, secondo la seguente relazione:
I (S )
W2 W0
s
2W1 W0 W2 I
Leffetto NOE rilevabile solamente per protoni che distano tra loro al massimo 5 ,
poich inversamente proporzionale alla sesta potenza della distanza interprotonica;
dipende inoltre dal tempo di correlazione che caratterizza la rapidit dei moti molecolari. A
seconda che prevalgano W2 o W0, si avranno NOE positivi o negativi: se consideriamo
molecole piccole in soluzioni poco viscose, 0c<<1 e leffetto NOE risulta positivo
(condizioni di estreme narrowing); al contrario, macromolecole in soluzioni viscose aventi
0c>>1 (in condizioni di slow motion) mostreranno negativi. Se invece 0c vale circa
uno le transizioni doppio quantiche avvengono con la stessa probabilit delle zero
quantiche, W2 W0, perci leffetto NOE si annulla.
Nelleffettuare un esperimento NOESY, necessario scegliere accuratamente il
mixing time, poich il suo valore deve essere sufficientemente grande da consentire il
mescolamento della magnetizzazione tra spin accoppiati, ma allo stesso tempo non troppo
elevato in modo tale da evitare trasferimenti successivi di magnetizzazione tra protoni non
accoppiati dipolarmente (spin diffusion)[46]. Questo fenomeno genererebbe nello spettro dei
picchi fittizi che potrebbero essere ricondotti a correlazioni non esistenti e inoltre
36

provocherebbero la riduzione di segnali corrispondenti a nuclei accoppiati, rendendo
inutilizzabile il loro impiego per la determinazione delle distanze interprotoniche.
ESPERIMENTI ETEROCORRELATI 1H-13C

Le sequenze di impulsi per gli esperimenti eteronucleari consentono di correlare la
magnetizzazione del protone a quella di un eteronucleo ad esso scalarmente accoppiato, in
questo caso il
13
C. Il problema principale per questo tipo di esperimento la scarsa
abbondanza naturale del nucleo NMR attivo (13C). La sensibilit di un esperimento

eteronucleare dipende dai rapporti giromagnetici dei nuclei eccitati ed osservati (ecc e oss):
S / N ecc oss
3/ 2
quindi, per avere una maggiore sensibilit, necessario utilizzare il nucleo con pi alto
sia per leccitazione sia per losservazione (1H). A questo scopo si utilizzano sequenze,
dette di osservazione inversa, che prevedono il doppio trasferimento di magnetizzazione:
1
H I 1 H
e portano ad un aumento di sensibilit pari a H / I

cio 31.6 nel caso in cui I sia il
13
5/ 2
rispetto allosservazione diretta,
C. La difficolt di questi esperimenti sta nel
disaccoppiare leteronucleo ed legata soprattutto allampio intervallo di frequenze da

irradiare e allimpossibilit di impiegare potenze troppo elevate che surriscalderebbero il
campione. I metodi migliori per il disaccoppiamento eteronucleare impiegano sequenze
dimpulsi compositi con leffetto globale di un impulso di 180, che sono ripetute per tutta
la durata dellacquisizione. Gli spettri bidimensionali che si ottengono da esperimenti
eterocorrelati di questo tipo hanno la finestra spettrale del protone in 2 (ascissa) e quella
del carbonio in 1 (ordinata). Questa tecnica presenta, per dei limiti come la ridotta
risoluzione digitale in 1 a causa della pi ampia finestra spettrale rispetto a quella
protonica (i segnali del 13C sono dispersi su un intervallo di circa 200 ppm), e il numero
contenuto di esperimenti che si raccolgono per avere lo spettro in tempi ragionevoli.
Uno degli esperimenti bidimensionali eteronucleari utilizzati lHMQC
(Heteronuclear Multiple Quantum Coherence), che permette di evidenziare le correlazioni
tra 1H e 13C direttamente legati. La sequenza base descritta in (Fig. 3.11).
37

x
1
t2
t2
H
x
x
13
t1
Disaccoppiamento
Fig. 3.11: sequenza dimpulsi base per un esperimento HMQC.
Mentre un esperimento che permette di vedere la correlazioni long range 2JCH e 3JCH
lHMBC (Heteronuclear Multiple Bond Coherence), con rilevazione sul canale del
protone. Il tempo delay (1/2J) pu essere ottimizzato a seconda della J che si desidera
trovare. Nello spettro HMBC non si osservano le costanti dirette.
CHEMIOMETRIA
Ora dedicato un paragrafo ad una sintesi delle trattazioni statistiche utilizzate
nellelaborazione dei dati ottenuti attraverso i vari metodi di analisi (1.2.5).
La chemiometria la scienza che permette di mettere in relazione, attraverso
metodi matematici e statistici, misure fatte su un dato sistema o processo con lo stato dello
stesso (International Chemometrics Society). Inizialmente utilizzata in campo chimico, per
separare i dati utili dal resto (rumore, informazioni ridondanti, informazione non correlata
al problema da risolvere), oggi, data lestrema versatilit, trova largo impiego anche in altri
settori di differente natura.
Generalmente i sistemi reali sono governati da pi variabili simultaneamente; la
chemiometria consente un approccio di tipo multivariato al processo da analizzare. Esso
tiene conto di tutti i fattori in gioco e consente, cos, dutilizzare al meglio tutte le
informazioni contenute nei dati raccolti. Questo approccio non viene applicato nella
maggior parte delle procedure statistiche ed analitiche classiche, le quali tendono a
trasformare in univariati tutti i problemi.
La Fig. 3.12 illustra un insieme multivariato: la tabella dei dati rappresentata da
una matrice di n righe che rappresentano gli oggetti (campioni, esperimenti etc.) e di p + r
colonne che rappresentano le variabili (descrittori, caratteri etc.) con cui ciascun oggetto
viene descritto.
38
Fig. 3.12: rappresentazione di un insieme di dati multivariato.
Le variabili possono essere distinte in variabili indipendenti (matrice X) e variabili

dipendenti (matrice Y). Agli oggetti, inoltre, pu essere associato un vettore che contiene
linformazione di appartenenza di ciascun oggetto ad una delle classi predefinite (matrice
C). I metodi chemiometrici possono essere impiegati per evidenziare le relazioni tra le
variabili considerate e l'importanza relativa di ciascuna di esse nell'ambito del problema
studiato (qualora le variabili siano numerose). Essi inoltre permettono di correlare i
campioni in base alla loro distribuzione nello spazio multi-dimensionale descritto
dall'insieme delle variabili. La chemiometria oggi raccoglie al suo interno i metodi di
classificazione, di modellamento e di regressione multivariata, l'analisi di similarit,
l'analisi delle componenti principali e i diversi metodi ad essa collegati, i sistemi esperti e i
metodi di intelligenza artificiale, i metodi di disegno sperimentale e di ottimizzazione.
Nellanalisi multivariata importante che le variabili siano il pi possibile
confrontabili; le variabili che mostrano una grande varianza, in genere, risultano decisive
nel determinare le principali sorgenti di informazione nellanalisi delle componenti
principali. Lanalisi dei dati e la loro interpretazione saranno quindi condizionate da poche
variabili che mascherano eventuali contributi di altre variabili solo in virt del loro
intrinseco significato, della loro alta varianza o della loro scala di misura. Nei casi in cui
queste presentino dei comportamenti indesiderati (come quelli di non normalit, non
additivit, non linearit rispetto ad altre variabili) necessario applicare delle
trasformazioni matematiche (radice quadrata, log. etc) per cercare di bilanciare cos i dati.
Inoltre, in molti casi, necessario pretrattare i dati originali in modo da ottenere da questi
solo informazioni utili, eliminando quelle inutilizzabili, in modo da rendere le variabili il
pi possibile confrontabili. In genere, le variabili che mostrano una grande varianza
risultano decisive nel determinare le principali sorgenti di informazione nellanalisi delle
39

componenti principali. Lanalisi dei dati e la loro interpretazione saranno quindi
condizionate da poche variabili che mascherano eventuali contributi di altre variabili solo
in virt del loro intrinseco significato, della loro alta varianza o della loro scala di misura.
Se si vogliono utilizzare i dati cos come si presentano, non necessario applicare nessuna
scalatura; in caso contrario esistono diversi tipi di scalatura utilizzabili:
- centratura (CTR): una scalatura che non modifica la varianza dei dati e viene effettuata
centrando i dati rispetto al valor medio di ciascuna variabile;
- varianza unitaria (UV): per ottenerla necessario moltiplicare le variabili per linverso
della loro deviazione standard (1/sk);
- pareto: rappresenta un metodo intermedio tra non scalatura e UV; determina per le
variabili una varianza pari alla deviazione standard anzich una varianza unitaria.
PRINCIPAL COMPONENTS ANALYSIS (PCA)

La PCA (principal components analysis) un metodo di analisi multivariata delle
componenti principali che si utilizza per ridurre le dimensioni di un dataset, nel caso le
variabili siano numerose, mantenendo il pi possibile la variabilit presente in questo. In
tal modo possibile identificare dei patterns nei dati ed evidenziare eventuali similarit e
differenze tra questi; una volta trovati possibile ridurre il numero di dimensioni, senza
perdere troppa informazione. La riduzione si ottiene trasformando le p variabili X1, X2,,
Xp in un nuovo set di variabili, chiamato componenti principali (PCs), che contiene le
nuove variabili PC1, PC2,, PCp, non correlate tra loro. Le PCs sono ordinate in modo tale
che la varianza risulti maggiore in PC1 e via via minore nelle PC seguenti. In altre parole,
Var (PC1) Var (PC2) Var (PC3) Var (PCp) dove Var (PCi) esprime la varianza
della variabile PCi nel database considerato, Var (PCi) anche chiamato autovalore di PCi.
In Fig. 3.13 rappresentato un esempio a due sole variabili.
Var.
2
PC2
PC1
Var. 1
Fig. 3.13: determinazione delle componenti principali.
40

In questo esempio abbiamo considerato due sole variabili che vengono descritte da
due componenti: ogni componente una combinazione lineare delle due variabili originali.
La procedura matematica per la determinazione delle componenti principali consiste nel
calcolo di autovalori e autovettori della matrice covarianza (o di correlazione) dei dati X.
La matrice dei dati X pu essere rappresentata in uno spazio ortogonale, utilizzando una
matrice di rotazione (detta matrice dei loadings) e la matrice degli scores. Un aspetto di
grande rilevanza nello studio di problemi multivariati la possibilit di rappresentare
graficamente sia i loadings sia gli scores mediante limpiego di grafici bidimensionali.
PARTIAL LEAST SQUARE PROJECTION TO LATENT STRUCTURES (PLS)

La PLS un metodo di relazione tra le matrici X e Y che rende possibile lanalisi di
dati contenenti informazione inutile o incompleta. un modello di proiezione che pu
approssimare ogni matrice di dati a patto che ci sia un certo grado di similarit tra gli
oggetti: maggiore questa similarit e maggiore sar il numero delle componenti del
modello e la precisione dello stesso. Il modello viene creato da un training set di N
osservazioni (oggetti, composti, etc) costituito da p variabili (X) e da r variabili (Y) (Fig.
3.14). Sulla base del modello creato per la matrice X, si fanno predizioni sulla matrice Y. Il
modello PLS creato viene giudicato affidabile nel caso superi una serie di test e solo
allora potr essere utilizzato per le predizioni.
p
1
O
G
G
E
T
T
I
PL
n
RESPONSI
PREDITTORI
Fig. 3.14: rappresentazione del modello utilizzato per l'analisi PLS.
Uno sviluppo della PLS la PLS-DA (Discriminant Analysis) il cui obiettivo

quello di separare classi di oggetti sulla base della loro matrice delle variabili X.
41

ANALISI DELLO SCORE PLOT
Il diagramma di distribuzione ottenuto determinando gli assi t1, t2 e lellisse di
tolleranza su questi costruita, una finestra nello spazio k-dimensionale che mostra come
le osservabili si ripartiscano le une rispetto le altre; lo score plot pu essere visto come una
mappatura delle osservabili.
Nel nuovo sistema di riferimento, costituito dalle componenti principali, gli score
rappresentano le coordinate dei campioni e possono essere rappresentati graficamente
mediante lo score plot (Fig. 3.15, 3.16). Questultimo un diagramma che riporta le
coordinate nello spazio definito dalle due o tre componenti principali scelte e consente di
verificare il comportamento dei campioni rispetto a queste (ad esempio per identificare
eventuali raggruppamenti, la presenza di dati anomali o di distribuzioni particolari). Le
coordinate di ogni soggetto sono date dalla coppia di score relative alle componenti
principali. Vengono originati dei cluster che raggruppano le osservabili pi simili tra loro e
degli outliers che separano quelle dissimili.
Fig. 3.15: rappresentazione bidimensionale dello score plot.
42
Fig. 3.16: rappresentazione tridimensionale dello score plot.
possibile creare un secondo grafico, loading plot (Fig. 3.17), che analizza il ruolo
di ciascuna variabile nelle diverse componenti e permette di osservare la distribuzione dei
pesi delle variabili. Questo grafico permette di valutare limportanza di ogni variabile
originale nelle nuove componenti principali e le relazioni di dipendenza diretta ed inversa
tra le variabili originali. Gli assi cartesiani sono costituiti dalle prime due componenti
principali e i punti rappresentano le variabili originali individuate dalla coppia di loading
che ciascuna variabile ha nelle due componenti considerate. Le variabili che si trovano
vicino allorigine degli assi non sono significative per la determinazione delle due PC
considerate. Le variabili che assumono valori elevati (sia positivi sia negativi) sullasse
PC1 contribuiscono in modo preponderante alla definizione della prima componente
principale, mentre quelle che assumono valori elevati su PC2 definiscono maggiormente la
seconda componente principale (per eventuali altre componenti principali considerate
possibile fare un ragionamento analogo).
43
Fig. 3.17: rappresentazione del loading plot ottenuto con il programma SIMCA-P11.
Score e loading plot sono quindi due rappresentazioni complementari. Il grafico in

Fig. 3.17 mostra come le variabili siano correlate tra loro, quali forniscano informazioni
simili e quali non vengano ben rappresentate dal modello.
La distribuzione delle variabili si basa sulla determinazione di due parametri: R2,
che la misura quantitativa dellefficienza del fitting applicato ai nostri dati, e Q2, che
lindice della capacit predittiva del modello:
R2 1
RSS
SSX tot .corr
Q2 1
PRESS
SSX tot .corr .
dove RSS il residuo della somma dei quadrati, PRESS residuo predittibile della somma
dei quadrati e SSXtot.corr. la variazione totale nella matrice X dopo la centratura.
Graficamente possibile rappresentare questa espressione della variazione delle variabili
utilizzando nel programma SIMCA-P11 uno X/Y overview plot (Fig. 3.18).
Fig. 3.18: overview plot per R2 e Q2 ottenuto con programma SIMCA-P11
44

Il valore di R2 pu essere compreso tra 0 e 1 (1 indica un fitting perfetto del modello
mentre lo 0 un fitting nullo). Il valore di Q2, invece, considerato buono, quando
maggiore di 0.5, eccellente quando supera lo 0.9. Infine importante ricordare che la
differenza tra R2 e Q2 non deve essere troppo grande, preferibilmente deve compresa tra
0.2 e 0.3. Quando nel loading plot le variabili si posizionano rispetto p[1] e p[2]
nellintorno dello zero, significa che tali variabili non sono determinanti per la costruzione
delle componenti principali, infatti, avremo valori molto bassi di R2 e Q2. Al contrario sono
significative quelle che, avendo R2 e Q2 elevati, si distribuiscono lontane dal centro del
diagramma. Se pensiamo di tracciare una retta attraverso lorigine della Fig. 3.17,
possiamo osservare come le variabili vicine tra loro siano correlate positivamente mentre
quelle opposte, collegate dalla linea, lo sono negativamente (Fig. 3.19).
Fig. 3.19: correlazione tra le variabili in un loading plot.
Consideriamo un'osservabile posizionata nel primo quadrante dello score plot: questa sar
caratterizzata da un alto contenuto nelle variabili distribuite nella corrispondente zona del
loading plot e da un limitato rispetto a quelle presenti nel terzo settore.
45
RISULTATI E DISCUSSIONE
MARKER DEL MIELE DI CASTAGNO
Individuata ed isolata attraverso purificazioni la molecola marker da identificare
(6.3), sono state eseguite le analisi di massa (ESI-MS Fig. 4.1), di dicroismo circolare,
infrarosso e di spettroscopia NMR. In particolare gli esperimenti di Risonanza Magnetica
Nucleare acquisiti sono: 1D-1H-NMR e 1D-TOCSY selettivo ed i bidimensionali COSY,
NOESY, TOCSY, HMBC, HMQC.
241.09
Mariner Spec /17:20 (T /1.39:1.66) ASC[BP = 241.1, 11595]
241.0896
100
1.2E +4
90
80
70
% Intensity
60
50
40
30
20
448.2771
242.0927
10
273 .12 60
0
98.0
338.3416
352.3221
278.4
458.8
639.2
0
1000.0
819.6
Mass (m/z )
Fig. 4.1: spettri ESI-MS di una frazione contenente la molecola marker.
Attraverso unanalisi approfondita degli spettri ottenuti, servendosi della letteratura

e di software specifici che predicono il chemical shift in base alla struttura (ChemDraw,
ChemSketch), le ipotesi sono state ridotte a due regioisomeri, dei quali il composto pi
probabile il composto B (Fig. 4.2).
Isomero A
Isomero B
O
N
H
N
H
Fig. 4.2: due isomeri probabili marker del miele di castagno.
46

Un articolo uscito durante lo studio[46] ha confermato il composto B, -lactam
derivative of 3-pyrrolidinyl kynurenic acid (-LACT-3-PKA), quale molecola marker del
miele di castagno; esso viene prodotto da un derivato dellacido chinurenico (3-PKA) in
seguito ad una reazione intramolecolare di condensazione (Fig. 4.3).
N
H
OH
- H2O
N
H
N
H
-LACT-3-PKA
3-PKA
Fig. 4.3: reazione di condensazione dellacido chinurenico.
CARATTERIZZAZIONE DELLA MOLECOLA

In Tab. 4.1 viene riportata lassegnazione delle risonanze 1H e
mediante lanalisi degli spettri 1D e 2D-NMR di seguito riportati.
O
3''
4''
5
4a
2''
4
3
5''
2
7
1a
8
2'
N
H
O
Fig. 4.4: struttura chimica del -LACT-3-PKA con lassegnazione dei carboni.
47
13
C ottenute

g
COSY (3J)
HMBC
126.34
132.76
118.40
124.19
7.42
7.69; 7.42
7.69
8.44; 7.69
4.80
63.00
2.63; 1.26
m
m
3.68
3.52
41.52
41.52
dt
2.63
29.26
4a
2.42
29.26
4b
2.45
29.26
3b
3
4
4a
1a
2
1.26
2.43; 2.45
2.42; 2.45
2.42; 2.45;
4.80
2.63; 3.52;
3.68; 1.26
2.63; 3.52;
3.68; 1.26
sovr.
132.76; 139.79; 175.13

126.34; 139.79
124.19; 132.76; 127.49
118.3; 127.49; 132.76
29.26 (debole); 126.32;
166.97
29.26; 166.97
29.26
H
1
5
7
8
6
nH
H
9.74
1
1
1
1
m
banda
dd
t
dd
t
7.69
7.57
7.42
dd
5a
5b
1
1
3a
13
NOESY
7.57
7.42
7.42; 7.57
7.69; 8.44
2.42; 2.63; 3.52
2.45; 3.52
2.42; 3.68; 4.80
41.52
4.80; 1.26; 2.42
63.00
3.52; 2.63; 2.45; 4.80
63.00
3.52; 1.26; 2.42
29.26
63.00; 126.32
126.32
175.13
139.79
127.49
166.97
Tab. 4.1: assegnazione dei protoni e dei carboni secondo la numerazione di Fig. 4.4.
ESI-MS (Acetonitrile-Acqua 1:1+0.1% HCOOH): 241 m/z [M+H]+

EI-MS: 213, 196, 185, 172, 144, 120; 162, 120 m/z partendo dal picco ESI-MS 241 m/z
[M+H]+
IR (CaF2; cm-1) : 3396, 3019, 2959, 2927, 2855, 1712, 1692, 1674, 1662, 1642, 1626,
1598, 1540
CD (MeOH ; nm) : 222.8
UV-Vis (CHCl3, nm) : 335, 350
Fig. 4.5: spettro UV del -LACT-3-PKA.
48

INTERPRETAZIONE DEGLI SPETTRI ACQUISITI
Di seguito si riporta una descrizione degli spettri analizzati (in essi viene indicato,
sui picchi o sulla diagonale, il numero del protone riportato in Fig. 4.4). La Fig. 4.6
mostra lo spettro monodimensionale con alcune zone allargate nelle quali risuonano i
protoni della molecola in esame. I forti segnali a basse frequenze (<2ppm) derivano da
impurezze presenti nel campione in esame.
1D 1H-NMR
23-1D RISOLTO_000001r
5a
7.70
7.65
7.60
7.55
Chem ical Shift (ppm )
7.50
7.45
5b
7.40
3.75
3.70
3.65
3.60
Chemical Shift (ppm)
3.55
3.50
3.45
4.87
4.86
4.85
4.84
4.83
4.82
4.81
4.80
4.79
4.78
4.77
4.76
4.75
4.74
4.73
4.72
3 a 4
1
10
6
5
Fig. 4.6: spettro 1D- 1H-NMR della frazione purificato con lingrandimento di alcuni segnali caratteristici.
1D-TOCSY selettivo
29-1D-TCOSYSEL_000000FID
5.0
4.5
5a 5b
4.0
3.5
3a 4
3.0
2.5
3b
2.0
1.5
Fig. 4.7: spettro 1D- TOCSY selettivo ottenuto eccitando il segnale a 4.8 ppm.
49

Questa tecnica stata usata per vedere le correlazioni TOCSY del protone a 4.80
ppm (2): utilizzando un impulso selettivo su quel segnale, vengono eccitati e rilevati
solamente i protoni ad esso correlati scalarmente (Fig. 4.7). Risultato di questo uno
spettro nel quale compaiono solamente i segnali dei picchi dei protoni che fanno parte
dello stesso sistema di spin di quello irradiato. Questa tecnica ha permesso di identificare il
segnale del protone a 1.26 ppm (3b), altrimenti sovrapposto con altri segnali derivanti da
impurezze.
2D-TOCSY
3b
4
3a
5b
5a
Fig. 4.8: particolare della zona da 1 a 5 ppm dello spettro 2D-TOCSY della frazione purificata.
Lo spettro evidenzia le correlazioni tra protoni che fanno parte dello stesso sistema
di spin (3.3.2); questo viene interrotto dalla presenza nella catena di eteroatomi, carbonili
o carboni quaternari. Nel nostro caso ci sono due sistemi di spin: uno quello che
comprende i protoni aromatici, interrotto da due carboni quaternari, e laltro quello
nellanello pirrolidinico, interrotto da un carbonile ed un azoto (questa zona spettrale
rappresentata in Fig. 4.8).
50
2D-COSY
Fig. 4.9: particolare della zona da 7 a 8.5 ppm dello spettro 2D-COSY della frazione purificata.
3b
4
3a
5b
5a
Fig. 4.10: particolare della zona da 1 a 5 ppm dello spettro 2D-COSY della frazione purificata.
51

Insieme allo spettro TOCSY, il COSY stato fondamentale per capire la zona
aromatica (Fig. 4.9) e, in particolar modo, la zona pirrolidinica (Fig. 4.10). Lo spettro,
attraverso i cross-picchi, indica le correlazioni 3J e 2J: si osservano solo i protoni su atomi
adiacenti o geminali (3.3.1). Per esempio i due cross-picchi indicati con le frecce in Fig.
4.10 hanno permesso di assegnare i chemical shits dei protoni 3a (2.63 ppm) e 3b (1.26
ppm). Lassegnazione della risonanza di questi due protoni differisce da quella riportata in
letteratura[46]-.
2D-NOESY
3b
3a
5b
5a
Fig. 4.11: particolare della zona da 1 a 5 ppm dello spettro 2D-NOESY della frazione purificata.
Nello spettro NOESY (Fig. 4.11) i cross-picchi vengono originati da interazioni

dipolari tra protoni distanti al massimo 5 ; questo ha permesso di risalire alla
configurazione relativa degli atomi di idrogeno (4.1.3). In Fig. 4.12 sono riportate le
correlazioni dellatomo 2 e dellatomo 4a, ritenute pi esemplificative; si nota che il
protone a 4.8 ppm presenta picchi NOE pi intensi con i protoni a 2.63 ppm, 2.42 e 3.68
che quindi stanno sopra al piano ipotetico della molecola di Fig. 4.12, mentre quello a 2.45
ppm presenta cross-picchi forti oltre che con lidrogeno geminale, a 2.42, anche con i
protoni che risuonano a 1.26, 3.68 e che quindi stanno sotto al piano della molecola. In
Tab. 4.1, nella colonna NOESY, vengono riportate tutte le correlazioni osservate.
52
2.63
H
4.8
H
H
2''
1.26
3''
H 2.42
4''
5''
H 2.45
3.52
H
3.68
Fig. 4.12: configurazione relativa rispetto al carbonio 2 e correlazioni NOESY dellatomo 2 e 4a.
Lo spettro NOESY ha contribuito a confermare lisomero B come molecola

marker; lesclusione dellisomero A stata fatta a causa dellassenza nello spettro del
cross-picco tra il protone 2 ed il protone 1.
2D-HMQC
786
5a 5b
3a 4
3b
4 3
5
8
6
Fig. 4.13: spettro 2D-HMQC della frazione purificata (in grassetto i carboni) .
53
5
7

Questo spettro (Fig. 4.13) permette di assegnare il chemical shifts dei carboni legati
direttamente ad atomi di idrogeno (3.3.4). Unito allo spettro HMBC stato utile per
capire la sequenza degli atomi allinterno della molecola.
2D-HMBC
5
786
5a 5b
3a 4
3b
4 3
5
2
6
7
8
1a
3
4a
2
Fig. 4.14: spettro 2D-HMBC della frazione purificata (in grassetto i carboni).
Lo spettro indica le correlazioni tra i protoni ed i carboni che distano 2J e 3J

(solitamente i cross-picchi sono pi intensi per questultime, 3.3.4). Questo esperimento
utile per capire la presenza di gruppi carbonilici. Questi vengono osservati nei cross-picchi
tra protoni e carboni che cadono nella zona tra 160 e 200 ppm (indicati con le frecce in Fig
4.14): cross-picco tra il protone 8.44 ppm (5) ed il carbonio a 175.13 ppm (carbonile in
posizione 4) e cross-picco tra quello a 4.80 ppm (2) ed il carbonio a 166.97 ppm
(carbonile in posizione 2).
54

OSSERVAZIONI
La molecola risulta quasi completamente planare per la presenza di anelli aromatici
e sistemi coniugati. La parte non planare quella dellanello pirrolidinico. Si riporta una
predizione della struttura 3D eseguita con il programma ChemDraw (Fig. 4.15).
Fig. 4.15: ipotesi della struttura 3D del -LACT-3-PKA eseguita con il software ChemDraw.
Il carbonio 2 un centro stereogenico; stato eseguito uno spettro CD (Fig. 4.16)

il quale ha confermato che la molecola presenta attivit ottica; si osserva un minimo a
222.8 nm.
Fig. 4.16: spettro CD del -LACT-3-PKA.
Nello Schema 4.1 sipotizza il biomeccanismo di formazione del -LACT-3-PKA;

questo ha un ruolo nel metabolismo del triptofano[47]. Lintervento di enzimi, i quali
agiscono probabilmente con ritenzione della conformazione (legano la L-prolina o Lglutammato), fanno ipotizzare che la molecola sia in eccesso enantiomerico in
conformazione L.
55

Legenda:
enzimi
IDO
indolamina-2,3-
KAT
diossigenasi
MAO
chinurenina
proline/glutamate
aminotransferasi
ammino ossidasi
enzimi che catalizzano
laddizione della prolina o
glutammato al KA
Molecole
Tryptophane
COOH
H2N H
HN
NH2
Kynurenin
H2N
Kynuramin
NH2
COOH
H2N
Schema 4.1: ipotesi del biomeccanismo di formazione del -LACT-3-PKA.
Ipoteticamente esiste una tautomeria cheto-enolica che interessa il carbonile sul

carbonio 4, simile a quella presente nella molecola dellacido chinurenico (KA), favorita in
ambiente acido[48] (Fig. 4.17).
O
OH
H+
N
H
COOH
Fig. 4.17: risonanza cheto-enolica dellacido chinurenico.
56
COOH

IDENTIFICAZIONE DI ALTRE MOLECOLE NELLESTRATTO
Nelle varie frazioni raccolte dalle colonne di purificazione sono state identificate
altre due molecole che presentano segnali ben identificabili nella zona aromatica: la crisina
(5,7 Dihydroxyflavone) e il 4-chinolone (4-QUIN).
8.0
7.5
7.0
6.31
6.48
7.57
7.53
7.89
6.68
CRISINA_002000FID.ESP
6.5
Fig. 4.18: particolare dello spettro di una frazione purificata, con peak peaking dei segnali della crisina.
3'
2'
ESI-MS (Acetonitrile-Acqua 1:1+0.1% HCOOH):

4'
255 m/z [M+H]+

8
HO
1'
5'
6'
1
3
7.89 (d); 2,67.537.57 (sovrapposti); 3 6.68 (s);
OH
H-NMR (600 MHz, CDCl3) (ppm): 3,4,5
6 6.31 (d, J=2.20 Hz); 8 6.48 (d).
Fig. 4.19: struttura della crisina.

O
ESI-MS (Acetonitrile-Acqua 1:1+0.1% HCOOH):

146 m/z [M+H]+
5
6
1
2
7
8
N
H
Fig. 4.20: struttura del 4-chinolone.
H-NMR (600 MHz, CDCl3) (ppm): 2 8.07 (d,
J=6.56 Hz); 5 7.94 (dd, 3J=7.84 Hz, 2J=1.31 Hz); 7

7.89 (m); 6,8 7.107.60 (sovrapposti); 3 6.006.40
(sovrapposto).
57

La crisina presente s in tutti i vari tipi di miele, ma lanalisi statistica ha
evidenziato che questo flavonoide contenuto in maggior quantit nei mieli di acacia. La
molecola 4-QUIN, presente unicamente nel miele di castagno, potrebbe trovarsi in
risonanza con la sua forma enolica (4-quinolinol); infatti nello spettro sono presenti diversi
doppietti nella zona aromatica riconducibili a questa (1H-NMR (600 MHz, CDCl3)
(ppm): 2 8.48 (d, J=8.30 Hz); 5 8.10 (dd, 3J=8.32 Hz, 2J=1.25 Hz); 3 6.61 (d, J=8.27 Hz)).
Tale ipotesi stata fatta in base alla predizione dello spettro data da ChemDraw e data dal
sito www.nmrdb.org unite ad un articolo in letteratura[49], quindi merita uno studio di
conferma pi approfondito.
MARKER DEL MIELE DI EUCALIPTO

Da unanalisi visiva di una sovrapposizione di spettri ottenuti da estratti organici di
5 diverse origini botaniche(Fig. 4.21), sono stati evidenziati alcuni segnali caratteristici
degli spettri ottenuto dai mieli di eucalipto. In Fig. 4.22 tali segnali sono indicati con delle
frecce.
SOVEPFINAL.ESP
10.0
9.5
9.0
8.5
8.0
7.5
7.0
6.5
6.0
5.5
5.0
4.5
4.0
3.5
3.0
2.5
Fig. 4.21: sovrapposizione degli spettri 1H-NMR delle varie origini. Acacia nero, castagno rosso, eucalipto
arancio, arancio viola, millefiori verde. Da osservare i doppietti a 6.87 e 6.47 ppm delleucalipto.
58
Fig. 4.22: a) spettro1D- 1H-NMR di un campione di miele delleucalipto con evidenziati i segnali oleifinici
del probabile marker, b) ingrandimento della zona dei protoni oleifinici.
Attraverso purificazione il probabile marker stato ottenuto sufficientemente puro

e concentrato per le analisi finalizzate allidentificazione della struttura (1H-NMR,
NOESY, TOCSY, HMBC, HMQC, ESI-MS). Attraverso unanalisi approfondita di tutti
gli spettri ed ricerche in letteratura, stata individuata la struttura della molecola (Fig.
4.23). Questa molecola il dehydrovomifoliol (DHV) e non caratterizza unicamente il
miele di eucalipto; in letteratura sono presenti degli articoli che la individuano anche nel
miele di erica[50].
59

CARATTERIZZAZIONE DELLA MOLECOLA
In Tab. 4.2 viene riportata lassegnazione delle risonanze 1H e
13
C ottenute
mediante lanalisi degli spettri 1D e 2D-NMR di seguito riportati.

10
5'
4
CH3
OH
7
1'
1
1''
Fig. 4.23: struttura chimica del dehydrovomifoliol con lassegnazione dei carboni.
1
13
H
-OH
nH
1
H
1.64
6.84
144.95
6.47
6.47
130.32
6.84
4
2a
2b
1
1
1
s
d
d sovr.
5.97
2.51
2.34
128.18
49.80
49.80
1.89
2.34
2.51
10
2.31
28.36
1.89
18.82
1.11
24.71
1.03
23.75
3
5
6
1
9
TOCSY
NOESY
6.47; 5.97
6.47; 2.51; 2.31; 1.89;1.03;
5.97(debole)
6.84; 2.51 (debole); 2.31;1.64;
1.11; 1.03
6.84 (debole);1.89; 1.11; 1.03.
5.97
HMBC
79.30; 197.97
79.30; 197.97
79.30; 49.8; 18.82
196.8; 42.5; 23.75
196.80; 42.5; 79.3
197.97; 130.32;
144.95 (debole)
79.30; 128.18;
160.82
79.30; 42.50;
49.80; 23.75
79.30; 42.50;
49.80; 24.71
196.80
160.82
79.30
42.50
197.97
Tab. 4.2: assegnazione dei protoni e dei carboni secondo la numerazione di Fig. 4.23.
ESI-MS (Acetonitrile-Acqua 1:1 +0.1% HCOOH): 223 m/z [M+H]+
INTERPRETAZIONE DEGLI SPETTRI ACQUISITI

Si riportano gli spettri in CDCl3 degli esperimenti pi utili per lidentificazione (in
essi viene indicato, sui picchi o sulla diagonale, il numero del protone riportato in Fig.
4.23).
60

1D-1H-NMR
Fig. 4.24: spettro 1H-NMR della frazione purificata del DHV con particolare della zona oleifinica.
Il valore delle J (15.87 Hz) dei doppietti 7 e 8 (Fig. 4.24), cio dei 2 protoni del
doppio legame, fa concludere che questi siano in conformazione trans.
2D-TOCSY
2b
2a
5
4
Fig. 4.25: spettro 2D-TOCSY della frazione purificata con particolare della zona da 1 a 2.5 ppm.
61

Lo spettro TOCSY ha evidenziato la presenza di 3 sistemi di spin (3.3.2); infatti i
protoni 7 e 8, i geminali sul carbonio 2 correlano solo tra loro rispettivamente e quello sul
4 con quelli sul carbonio 5 (Fig. 4.25). Non viene riportato lo spettro COSY nel quale si
nota solo la correlazione tra i protoni 7 e 8.
2D-NOESY
-OH
5
10
2a
4
7
8
Fig. 4.26: particolare della zona oleifinica dello spettro 2D-NOESY della frazione purificata del marker.
La Fig. 4.26 rappresenta la porzione olefinica dello spettro NOESY. In Tab. 4.2
vengono riportate le correlazione NOESY dei protoni 4, 7 e 8. Le correlazioni osservate
per i protoni olefinici, 7 ed 8, hanno consentito lassegnazione della corretta posizone degli
stessi.
62
2D-HMQC
8
2b
2a 10
5
10
1 1
4
8
Fig. 4.27: particolare dello spettro 2D-HMQC della frazione purificata del marker (in grassetto i carboni).
2D-HMBC
2b
4
2a
10
1
1
1
2
8
5
6
9
Fig. 4.28: particolare dello spettro 2D-HMBC della frazione purificata del marker con particolare della
zona da 0.7 a 1.3 ppm (in grassetto i carboni).
63

Lo studio incrociato degli spettri HMQC (Fig. 4.27) ed HMBC (Fig. 4.28) ha dato
moltissime informazioni utili (3.3.4): nel primo si vedono le correlazioni 2J e soprattutto
3
J mentre nel secondo quelle 1J. E stato possibile identificare i carboni carbonilici e i
carboni quaternari.
ANALISI STATISTICA
La seconda parte di questo elaborato stato quello di incrementare con campioni di
miele nuovi un database gi esistente costituito da 97 campioni di 4 origini botaniche
differenti (acacia, castagno, millefiori e tiglio). In questo lavoro sono stati aggiunti 65
campioni cos suddivisi (Tab. 4.3):
Origine Botanica
n di Campioni
Eucalipto
18
Acacia
15
Arancio
10
Castagno
22
Tab. 4.3: suddivisione dei campioni analizzati per origine botanica.
La procedura di preparazione dei campioni viene indicata nel paragrafo 6.3.

Lanalisi finale stata condotta su un totale di 162 campioni di 6 origini floreali differenti
e gli spettri 1H-NMR sono stati processati con il software ACDlabs, il quale ha permesso di
ricavare il valore degli integrali (6.4). Questi ultimi sono stati utilizzati come variabili
nellanalisi statistica.
Al fine di ottenere un modello statistico in grado di distinguere le sei origini botaniche si
proceduto inizialmente con unanalisi delle componenti principali mettendo a confronto a
due a due le diverse origini botaniche con lo scopo ultimo di selezionare le variabili pi
discriminanti. Si riportano di seguito tutti gli score e loading plots di tutti i confronti sui
campioni di eucalipto contro le altre origini floreali. Lanalisi stata condotta dopo aver
centrato le variabili rispetto alla media, scalate utilizzando la scaltura pareto e trasformate
con la funzione logaritmica.
Per facilitare la comprensione i campioni sono stati colorati secondo lorigine botanica:
acacia nero, castagno rosso, eucalipto arancio, arancio viola, tiglio blu, millefiori verde.
64

CONFRONTO EUCALIPTO-CASTAGNO
Fig. 4.29: score plot PCA relativo al confronto eucalipto-castagno.
Lo score plot (Fig. 4.29) evidenzia unottima separazione tra le due origini
botaniche secondo le componenti principale ed una varianza totale del modello per le
prime due componenti principali elevata pari a 67.4%.
.
Fig. 4.30: loading plot PCA relativo al confronto eucalipto-castagno, evidenziate le risonanze dei relativi
marker.
65

Osservando il loading plot (Fig. 4.30) possibile riconoscere delle risonanze
caratteristiche per le due specie: in realt tutte quelle presenti sono importanti ma pi alto
il loro loading pi pesano nellanalisi statistica.
I campioni di miele di castagno dellindustria Rigoni si raggruppano nella zona
indicata in Fig. 4.31 dal quadrato rosso. Dal loading plot si deduce che questi contengono
una maggior quantit del marker -LACT-3-PKA, come era anche risultato da un
confronto visivo della sovrapposizione degli spettri monodimensionali
Fig. 4.31: score plot PCA relativo al confronto eucalipto-castagno, evidenziata la zona in cui cadono i
campioni di miele della Rigoni
.
CONFRONTO EUCALIPTO-ACACIA
Fig. 4.32: score plot PCA relativo al confronto eucalipto-acacia.
66
Fig. 4.33: loading plot PCA relativo al confronto eucalipto-acacia, evidenziate le risonanze del marker
delleucalipto ed i segnali dei probabili marker dellacacia.
Anche per queste due origini botaniche si ha una buona separazione (Fig. 4.32 ),
infatti solo la prima componente principale spiega una varianza del 60% e la varianza
totale pari a 83%. Da questo confronto si pu notare che lacacia si differenzia
dalleucalipto grazie a delle risonanze derivanti da una sostanza aromatica. Precisamente,
gli integrali, evidenziati con il rettangolo nero in Fig. 4.33, sono stati identificati anche in
lavori precedenti come segnali molto importanti per la caratterizzazione dei mieli di acacia
facendo presumere che siano dovuti ad un marker di tale origine floreale non ancora
identificato.
CONFRONTO EUCALIPTO-ARANCIO
Anche in questo caso la separazione molto buona secondo la PC1 e la varianza
totale risulta elevata pari al 70% (Fig 4.34).
67
Fig. 4.34: score plot PCA relativo al confronto eucalipto-arancio.
Fig. 4.35: loading plot PCA relativo al confronto eucalipto-arancia, evidenziate le risonanze del marker
delleucalipto.
In letteratura[51] viene riconosciuto come marker dei mieli di arancio il

metilantranilato. Negli spettri 1H-NMR, tuttavia, non sono presenti i segnali di tale
molecola; pu darsi che questa sia contenuta in concentrazione troppo basse per essere
rilevate con la nostra procedura.
68

CONFRONTO EUCALIPTO-TIGLIO
Lo score plot (Fig. 4.36) evidenzia unottima separazione tra le due origini
botaniche con una varianza elevata (80.9%). La prima componente principale spiega da
sola gi il 68.2% della varianza.
Fig. 4.36: score plot PCA relativo al confronto eucalipto-tiglio.
Fig. 4.37: loading plot PCA relativo al confronto eucalipto-acacia, evidenziate le risonanze del marker
delleucalipto e del tiglio.
69

Le risonanze evidenziate con i rettangoli blu in Fig. 4.37 derivano da due molecole
presenti esclusivamente nel tiglio. Queste, identificate in un lavoro di tesi precedente,
come lacido 4-(1-idrossi-1-metiletil)cicloesa-1,3-diene-1-carbossilico e lacido 4-(1metiletilene)cicloesa-1,3-diene-1-carbossilico, trovano conferma in letteratura[10] nella
quale vengono assegnate proprio come composti markers del miele di tiglio.
Il tiglio dei colli Euganei si differenzia da quello proveniente da altre regioni essendo pi
povero nei markers (Fig. 4.38).
Fig. 4.38: score plot PCA relativo al confronto eucalipto-tiglio, evidenziata la zona in cui cadono i campioni
di miele dei colli Euganei.
CONFRONTO EUCALIPTO-MILLEFIORI
Anche in questo confronto la separazione risulta ottimale e la varianza del modello
risulta comunque alta (68.8%, Fig. 4.39).
Fig. 4.39: score plot PCA relativo al confronto eucalipto-millefiori.
70
Fig. 4.40: loading plot PCA relativo al confronto eucalipto-millefiori, evidenziate le risonanze del marker
delleucalipto.
Nei loading plots lintegrale, appartenente al DHV, che determina la separazione

dagli altri tipi di mieli quello a 5.96 ppm corrispondente al protone 4.(Fig. 4.22 e Tab
4.3).
CREAZIONE DEL MODELLO FINALE

Il lavoro svolto servito ad ottenere un set di risonanze che ha permesso la
creazione di un modello che sia in grado di distinguere le origini botaniche sia con lanalisi
PCA sia con la PLS-DA.
Sono stati eseguiti due approcci che permettano una classificazione dei campioni. Il
primo si basa sul metodo detto DModX (Distance to the Model). Ogni classe di
osservazioni viene modellata separatamente da modelli disgiunti di PCA. Basandosi sulla
varianza residua di ciascuna classe viene calcolato il DmodX per ogni osservabile.
Il secondo si basa sulla PLSD-DA nella quale viene assegnata a priori la classe di
appartenenza delle osservabili; essa viene elaborata dalle PCA. Questo metodo ottimale
fino ad un numero massimo di 4 classi ed il software SIMCA-P consiglia lutilizzo del
metodo DmodX qualora si analizzi un numero di classi superiore. Tuttavia nel nostro caso
il metodo ha dato buoni risultati anche con 6 classi.
71

DModX
I grafici seguenti rappresentano dei DModX plots nei quali visibile una linea che
rappresenta il limite critico calcolato con un intervallo di confidenza di 0.95 e indica
quanto bene unosservabile descritta da quel modello. Valori di DModX maggiori del
limite critico indicano che il soggetto devia nello spazio X e quindi non ben
rappresentato dal modello. A tal scopo stato calcolato DModX delle PCA costruite per
ogni classe per ciascunosservabile.
Fig. 4.41: DModX delle PCA per le classi castagno (A) e acacia (B).
Fig. 4.42: DModX delle PCA per le classi millefiori(A) e tiglio (B).
Fig. 4.43: DModX delle PCA per le classi eucalipto (A) ed arancio (B).
72

Nel grafico di Fig. 4.41A si pu osservare come il modello delle PCA costruito sui
campioni appartenenti alla classe castagno riconoscano abbastanza bene i corrispondenti
tipi di miele rispetto agli altri: tre campioni di castagno presentano un Dcritico maggiore
della soglia (sono dei falsi negativi) e tre campioni di tiglio risultano falsi positivi. Come si
pu notare nel grafico Fig. 4.42B, eccetto due tigli falsi positivi ed unacacia falso
negativo, il modello delle PCA costruito sui campioni appartenenti alla classe acacia risulta
avere una buona specificit.
Nella Fig. 4.42A rappresentato il modello basato sulle PCA dei millefiori. Questo non
molto esemplificativo. Nel caso del millefiori tutti i campioni vengono s predetti
allinterno della distanza critica, ma ce ne sono molti delle altre origini che vengono
classificati in questa classe. Nel caso del tiglio (Fig. 4.43B) il modello risulta poco
specifico: alcuni campioni di acacia rientrano come falsi positivi.
I grafici di Fig. 4.43 riportano i DModX delleucalipto e dellarancio; questi modelli sono
molto specifici poich tutti i campioni vengono correttamente classificati. In Tab. 4.4
vengono riassunte le osservazioni precedenti attraverso la misclassification table. In
particolare in questa viene calcolata la probabilit di appartenere ad un modello di PCA:
quando la probabilit superiore al 10% losservazione considerata membro di quella
particolare classe; quando la probabilit inferiore al 10%, losservazione non appartiene
al modello.
Acacia
Castagno
Tiglio
Millefiori
Eucalipto
Arancio
n. di
Campioni
46
49
21
18
18
10
Classe 1
Acacia
42
0
2
0
0
0
Classe 2
Castagno
0
44
1
0
0
0
Classe 3
Tiglio
0
0
19
1
0
0
Classe 4
Millefiori
0
2
10
18
0
0
Classe 5
Eucalipto
0
0
0
0
18
0
Classe 6
Arancio
0
0
0
0
0
10
No
Classe
4
5
2
0
0
0
Tab. 4.4: misclassification table.
Con questo modello sono correttamente classificati il 93 % dei campioni del training set.
PLS-DA
Per migliorare ulteriormente la classificazione dei campioni analizzati si
proceduto con lanalisi PLS-DA. Per visualizzare al meglio la separazione tra le classi
ottenuta con la PLS-DA, si riporta il loading plot considerando anche la terza componente
(Fig. 4.44). Questa risulta, nonostante lelevato numero di classi cui applicata, molto
efficace nella clusterizzazione. Infatti il programma fornisce un coefficiente di correlazione
R2 di 0.699 su X e di 0.875 su Y ed un indice di predizione Q2 di 0.760 molto buoni.
73

Visivamente non risolutivo ma la capacit predittiva del modello stata testata tramite la
misclassification list (Tab. 4.5): il programma assegna alle osservabili, cio ad ogni classe,
un coefficiente y che rappresenta lappartenenza a questa. Nella classification list i
campioni vengono classificati in una classe se la y di questa maggiore di 0.5; se
presente una classe con indice y compreso tra 0.5 e 0.3 questa risulta essere non
trascurabile e quindi viene indicata; se per una determinata classe si ha y minore di 0.3 si
considera la non appartenenza a tale classe.
PLS-DA sulle 6 origini botaniche
Acacia
Castagno
Tiglio
Millefiori
Eucalipto
Arancio
SIMCA-P 11 - 9/15/2009 3:34:36 PM
Fig. 4.44: 3D score plot del modello finale relativo alla PLS-DA di tutte le origini botaniche. R2X = 0.699,
R2Y = 0.875, Q2 = 0.76.
CLASSI
Acacia
Castagno
Tiglio
Arancio
Eucalipto
Millefiori
N campioni Correttamente Classificati Altra Classe Non Trascurabile

46
46
49
49
1 (acacia)
21
21
3 (acacia)
10
10
18
18
1 (castagno)
18
18
1 (acacia); 1 (tiglio)
Tab. 4.5: classificazione dei campioni usati per il test set.
74

In seguito si validato il modello con un test set contenente 12 campioni di miele
da supermercato o forniti direttamente dallapicoltore e campioni di arancio filtrati (Tab.
4.6).
Codice Campione Classe da Modello
C-02
C-04
A-03
A-07
T-01
M-01
M-02
M-03
M-04
A-06
LEDO4
COST3
Castagno
Castagno
Acacia
Acacia
Tiglio
Millefiori
Millefiori
Millefiori
Millefiori
Agrumi
Arancio
Arancio
Origine Dichiarata
Castagno
Castagno
Acacia
Acacia
Tiglio
Millefiori
Millefiori
Millefiori
Millefiori
Arancio
Arancio
Arancio
Tab. 4.6: classificazione da modello e dichiarata di 12 campioni di miele (codice vedi Tab. 6.2).
Si nota che tutti i campioni sono stati classificati come da etichetta. Il campione di
agrumi stato visto come un arancio a causa della mancanza della classe specifica. Da
questo consegue che il modello creato ha una capacit predittiva del 100 %.
Si riporta in Fig. 4.45 il grafico VIP (variable importance in projgection), ottenuto
del modello della PLS-DA. che ordina le variabili che mostrano maggior influenza sul
valore del coefficiente y.
Fig. 4.45: VIP plot.
75

OSSERVAZIONI
Tutti i campioni di miele, forniti dallindustria Rigoni, presentano sempre, nello
spettro NMR, dei segnali appartenenti ad una molecola, probabilmente un estere alifatico
( 4.04, Fig. 4.46) non ancora identificato. Questi segnali sono particolarmente intensi ma
fortunatamente non disturbano lanalisi statistica.
I primi campioni di arancio derivanti dalla raccolta 2008, dopo la procedura di
estrazione, presentano una sostanza poco solubile in cloroformio deuterato, rendendo cos
impossibile lanalisi NMR. Gli spettri sono stati acquisiti solo dopo una filtrazione e questi
campioni sono stati inseriti ugualmente nel test set. Nonostante la differente procedura
questi vengono correttamente classificati.
Fig. 4.46: spettro 1H-NMR di un campione di arancio del primo lotto, con lingrandimento dei segnali del
probabile estere alifatico.
76
CONCLUSIONI
Lo studio effettuato attraverso lelaborazione degli spettri NMR mediante il
software ACD\labs e sulla base dellanalisi statistica multivariata (PLS-DA) ha portato alla
creazione di un modello che in grado di distinguere e classificare i campioni di miele in
base alla loro origine botanica con una capacit predittiva del 100%.
Il metodo risulta molto semplice, rapido ed affidabile. La procedura di estrazione richiede
unora per otto campioni mentre lacquisizione ed analisi degli spettri richiede circa trenta
minuti. I tempi di analisi risultano paragonabili o addirittura migliori se paragonati con
altre tecniche. Lo spettro NMR dellestratto organico cos ottenuto rappresenta una sorta di
fingerprint del campione ed i dati che si estraggono da esso sono in grado di distinguere
le diverse origini botaniche. Altri metodi, rappresentati in letteratura, si basano su
unanalisi statistica di parametri ottenuti da diverse misure ottenute con metodi tra loro
indipendenti (1.2.5, 1.2.6) che causano un aumento dei tempi di analisi e dei costi.
Mancando uno studio specifico riguardo lorigine geografica del miele questo potrebbe
essere una proposta per tesi future.
Lidentificazione e la caratterizzazione del marker del miele di castagno ha
impiegato molto parte del mio lavoro di tesi a causa di molte difficolt derivanti dal fatto
che
la
molecola
non
risultava
ancora
individuata
in
letteratura.
Purtroppo,
contemporaneamente allidentificazione della molecola, uscito un articolo che ci ha

preceduto. Questo non toglie niente al lavoro svolto, anzi ne conferma la validit. Inoltre
sono state identificate altre due sostanze presenti nellestratto.
La ricerca del marker del miele di eucalipto stato molto pi veloce rispetto al
precedente. Il dehydrovomifoliol comunque non specifico per il miele di eucalipto perch
era gi stato identificato nel miele di erica. Inoltre sia per il miele di castagno che per
quello di eucalipto sono state identificate e parzialmente isolate altre molecole probabili
markers; lidentificazione sar oggetto del prossimo lavoro di tesi.
77
PROCEDURA SPERIMENTALE
STRUMENTAZIONE
SPETTRI NMR
Gli spettri NMR sono stati acquisiti con uno
spettrometro BRUKER AVANCE DMX 600
operante a 600.01 MHz per il protone e con probe a
gradienti. Tutti gli esperimenti sono stati effettuati
alla temperatura di 298 K con un flusso di azoto di
400 l/h. Il software utilizzato inizialmente
XWINNMR 2.6, poi sostituito da TOPSPIN.
Le condizioni sperimentali utilizzate per
esperimenti 1D 1H-NMR per lanalisi statistica sono
riportate in Tab. 6.1
Fig. 6.1: NMR 600 BRUKER
Esperimento
NS
TD
D1 (sec)
SW (ppm)
PL9 (db)
RG
t (min,s)
Sequenza selettiva
256
64 k
13.982
100
4096
25 45
Tab. 6.1: parametri impostati per la sequenza selettiva.
I parametri per lacquisizione degli spettri NMR mono e bidimensionali per lo studio del
marker sono stati modificati di volta in volta, in base alla concentrazione e alla purezza,
per ottimizzare lanalisi.
La fase di processamento degli spettri protonici monodimensionali stata
ottimizzata e utilizzata per tutti gli spettri in modo tale da favorire la riproducibilit della
determinazione, utilizzando il software ACD/labs.
Prima di effettuare la trasformata di Fourier simpostano alcuni parametri utili per
lelaborazione: si esegue lo Zero Filling del FID fino ad ottenere un numero di punti pari a
262144 in modo daumentare la risoluzione digitale e si applica una funzione finestra
esponenziale definita dal parametro LB (0.50 Hz). In seguito si effettua la trasformata di
Fourier, si fasa lo spettro, si corregge la linea di base (cercando di utilizzare sempre gli
stessi punti) e si esegue una calibrazione sul cloroformio (7.27 ppm). Si escludono le
regioni che non interessano (la zona del cloroformio, la zona a > 13 e a < 2.16) e si fa
lintegrazione. Questultima, per rendere riproducibile lanalisi, una Bucket integration,
cio unintegrazione standard dintervalli definiti, effettuata automaticamente dal software
78

indipendentemente dai segnali presenti (opzioni: width of
bucket 0.04 ppm; all integral 1000). I valori degli integrali
cos ottenuti sono stati inseriti in un foglio di excel.
CENTRIFUGAZIONE
La centrifugazione stata fatta utilizzando una
centrifuga
AllegraTM
25R
centrifuge
BECKMAN
COULTER. Si operato utilizzando i seguenti parametri:

rpm 10000; rotor A-10; time 15; accel. 9; temp. 5 C.
Fig. 6.2: centrifuga AllegraTM 25R
MISURE DI MASSA
Gli esperimenti di spettrometria di massa sono stati effettuati utilizzando uno
spettrometro LC/MSD Trap SL dellAgilent Technologies e analizzatore di massa a
trappola ionica e filtro a esapolo. Si operato mediante infusione diretta di una soluzione
1:1 di acetonitrile e acqua + 1% HCOOH del campione sciolto in metanolo.
ANALISI IR, UV-Vis E CD
Lo spettro IR stato registrato con uno spettrometro Perkin Elmer FT-IR 1720X
ed elaborato con i programmi GRAMS32 e SPECTRACALL, stata utilizzata una cella
CaF2 di 1 mm. Lo spettro CD stato registrato con uno spettrometro JASCO J715. Lo
spettro UV-Vis stato registrato con uno spettrometro SHIMADZU UV-2501PC. Gli
spettri sono stati acquisiti su una soluzione dellanalita in cloroformio o metanolo.
MATERIALI
I solventi e i reattivi impiegati, perlopi cloroformio, sono prodotti commerciali e
sono stati utilizzati senza ulteriori purificazioni.
Per gli spettri NMR sono stati utilizzati solventi deuterati, commercialmente
disponibili. Per le spettrometrie sono stati utilizzati solventi per HPLC.
79
PREPARAZIONE DEI CAMPIONI

CAMPIONI PER LANALISI STATISTICA
I campioni studiati in analisi statistica sono preparati utilizzando il seguente
metodo. Si pesano 6 g di miele in un provettone di plastica da 50 mL; a questi si aggiunge
15 mL di acqua distillata e, dopo aver sciolto il miele, si aggiunge 15 mL di cloroformio.
molto importante versare nel provettone prima lacqua, che serve a sciogliere bene tutta la
sostanza, e dopo il cloroformio; in tal modo si ottiene una buona separazione delle fasi,
nelle quali saranno distribuiti i vari componenti presenti nel miele in base alla loro affinit
con luno o con laltro solvente. stato verificato che non possibile estrarre le sostanze
organiche dal miele trattandolo direttamente con cloroformio.
Dopo laggiunta del cloroformio si mescolano le due fasi agitando manualmente e
in seguito si mettono in un agitatore meccanico per 15 minuti; in questa fase di
mescolamento si crea unemulsione che viene rotta mettendo il campione in centrifuga per
15 minuti. Si ottengono 2 fasi separate da un sottile strato di cere che si deve aver cura di
non portare nel campione da analizzare. Per estrarre la fase organica si buca il fondo del
provettone e si raccolgono 10 mL di soluzione (come se fosse un imbuto separatore). In
seguito si evapora il cloroformio sotto flusso dazoto e si porta lestratto a completa
secchezza. Questo si scioglie in 600 L di cloroformio deuterato (prelevati con una pipetta
tarata Nichipetex 1000 L) e trasferito in un tubo NMR. Questultima operazione viene
fatta poco prima dellanalisi in modo da evitare levaporazione del solvente e lingresso di
umidit. I tubi non vengono sigillati perch si osservato che alcune sostanze fotosensibili
vengono degradate con questa procedura.
ESTRAZIONE DEI MARKERS

La procedura di estrazione simile a quella del paragrafo precedente. Precisamente
lestrazione stata ottenuta da circa 22 g di miele diviso in tre aliquote. Le estrazioni di
queste sono state fatte utilizzando la stessa fase organica al fine di ottenere un estratto pi
concentrato.
In seguito si riporta il metodo finale di purificazione; stato scelto dopo vari
tentativi, al fine di ottimizzare la separazione e perdere la minor quantit di analita. Questo
stato applicato sia per lisolamento del marker del castagno che delleucalipto.
80

Prima si verifica, attraverso TLC, che la sostanza corra con una soluzione al 5% di
CH3OH in cloroformio (la sostanza si vede allUV). In seguito si eseguono due colonne in
gel di silice (6 cm3) utilizzando come eluente un gradiente di metanolo in cloroformio.
La silice viene pi volte lavata con cloroformio e, preparata la colonna, si carica lestratto.
Si utilizza il seguente gradiente: 50 mL di CHCl3, 15 mL di CHCl3 + 0.5% CH3OH; 15 mL
di CHCl3 + 1% CH3OH; 25 mL di CHCl3 + 2% CH3OH. Le frazioni estratte vengono
portate a secco con azoto e si analizzano con l1 H-NMR; le frazioni della prima colonna
contenente lanalita ricercato vengono ulteriormente purificate in una seconda colonna.
Nel caso del miele di castagno, partendo da 600 g, sono stati ottenuti 5 mg di
marker, che si presenta come un solido giallognolo, con una purezza superiore dell80% e
3.5 mg con una purezza intorno al 50%. La molecola pu essere purificata in cloroformio;
in questanalisi, tuttavia, non stato necessario a ricorrere a tale metodo.
ANALISI STATISTICA
I campioni di miele delle varie origini botaniche (acacia, tiglio, castagno, millefiori,
eucalipto, arancio, agrumi; annata 2008), che sono stati estratti, elaborati e analizzati con
ACD e SIMCA-P, sono riportati nella seguente tabella (Tab. 6.2).
Codice
C-02
A-06
C-04
E-05
A-03
T-01
A-07
M-01
M-02
M-03
M-04
CAAL
COSA
COST
LICA
TORR
FARO
Apicoltore o azienda
Ballone Franco
Zafferana Etnea
Margotto Luciano
Zafferana Etnea
Norbito Carlo
Bravape
Mielizia
Rigoni
Ambrosoli
A. Darbo
R - Coco A.
R - Coco S.
R - Coco S.
R - Licardi
R - Torrisi
R - Faro
Zona di provenienza
Padova
Catania
Padova (colli)
Catania
Vigodarzere
Padova (colli)
Asiago
Ronago
Lituania
Austria
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
81
Tipo di miele
Castagno
Agrumi
Castagno
Eucalipto
Acacia
Tiglio
Acacia
Millefiori
Millefiori
Millefiori
Millefiori
Eucalipto
Eucalipto
Eucalipto
Eucalipto
Eucalipto
Eucalipto

BONG
PATA
GRAS
TOGIU
RUGIU
LEAL
AGA
LORE
MARI
TOSA
RINO
CAVA
PATA
LEDO4
LEDO2
LEAL1
LEAL
LEDO1
LEDO2
LEDO3
LEDO5
PATA
COST3
APA
APIM
APU
APCM
APVA
AP00
CA84
CA83
SCOL
ABRA
AGA
CAMI
SOLDA
AGOS
CA38
BORT
ABRA
R - Bongiorno
R - Patan
R - Grasso
R - Tomarchio G.
R - Russo G.
R - Leonardi A.
R - D'Agata
R - Lorenzo
R - Marino
R - Tomarchio S.
R - Rino
R - Cavallaro
R - Patan
R - Leonardi D.
R - Leonardi D.
R* - Leonardi A.
R - Leonardi A.
R* - Leonardi D.
R* - Leonardi D.
R* - Leonardi D.
R* - Leonardi D.
R* - Patan
R - Coco S.
R - Apostolo L.A
R - Apostolo L.IM
R - Apostolo L.U
R - Apostolo L.CM
R - Apostolo L.VA
R - Apostolo L.OO
R - Cauda 284
R - Cauda 283
R - Scolari
R - Abrate
R - Agazzoni
R - Casa del Miele
R - Soldavini
R - Agostini
R - Cauda 38
R - Bortolato
R - Abrate
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Novara
Novara
Novara
Novara
Novara
Novara
Cuneo
Cuneo
Arezzo
Cuneo
Novara
Rimini
Varese
Belluno
Cuneo
Perugia
Cuneo
82
Eucalipto
Eucalipto
Eucalipto
Eucalipto
Eucalipto
Eucalipto
Eucalipto
Eucalipto
Eucalipto
Eucalipto
Eucalipto
Eucalipto
Arancio
Arancio
Arancio
Arancio
Arancio
Arancio
Arancio
Arancio
Arancio
Arancio
Arancio
Acacia
Acacia
Acacia
Acacia
Acacia
Acacia
Acacia
Acacia
Acacia
Acacia
Acacia
Acacia
Acacia
Acacia
Castagno
Castagno
Castagno

ARA
GRAS
ZUCC
LEDO
CRIS
CAVA
TORR
MARI
PASA
DAAN
CAAN
TOGIU
PAAL
LICA
COSA
COST
PASA
SALE
VAAL
R - Ara
R - Grassone
R - Zuccari
R - Leonardi D.
R - Cristaudo
R - Cavallaro
R - Torrisi
R - Marino
R - Pappalardo S.
R - D'Agata
R - Cavallaro A.
R - Tomarchio G.
R - Pappalardo A.
R - Licardi
R - Coco S.
R - Coco S.
R - Pappalardo S.
R - Salemi
R - Vasta A.
Ravenna
Torino
Arezzo
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Castagno
Castagno
Castagno
Castagno
Castagno
Castagno
Castagno
Castagno
Castagno
Castagno
Castagno
Castagno
Castagno
Castagno
Castagno
Castagno
Castagno
Castagno
Castagno
Tab. 6.2: origine botanica, geografica ed apicoltore dei campioni di miele analizzati. R
abbreviazione di industria Rigoni; R* miele appartenente al secondo lotto, consegnato dalla Rigoni a
settembre 2009; sono stati filtrati o variato il parametro rg.
83
Bibliografia
[1]: Conti M.E., Stripeikis J., Campanella L., Cucina D., Tudino M.B., Characterization
of Italian honey (Marche Region) on the basis of their mineral content and some
typical qualit parameters Chemistry Central Journal (2007)
[2]: Bonvehi S.J., Physicochemical characteristics and composition of eucalyptus
honey produced in Spain, Anales De Bromatologia (1989), 41-56
[3]: Devillers J., Dor J. C., Marenco M., Poirier-Duchne F., Galand N., Viel C.,
Chemometrical Analysis of 18 Metallic and Nonmetallic Elements Found in Honeys
Sold in France J. Agric. Food Chemistry (2002), 50, 5998-6007
[4]: Sevimli H., Bayulgem N, Determination of trace elements in honey by INAA
(instrumental neutron activation analysis) in Turkey, J. of Radioanalytical and
Nuclear Chemistry (1992), 165, 319-325
[5]: Gonzalez-Miret M. L., Terrab A., Hernanz D., Fernandez-Recamales M. A., Heredia
F. J., Multivariate Correlation between Color and Mineral Composition of Honeys
and by Their Botanical Origin J. Agric. Food Chemistry (2005), 2574-2580
[6]: Rashed M. N., Soltan M.E., Major and trace elements in different types of
Egyptian mono-floral and non-floral bee honeys, Journal of Food Composition and
Analysis 17 (2004), 725-735
[7]: Iglesias M. T., De Lorenzo C., Del Carmen Polo M., Martn-lvarez P. J., Pueyo E.,
Usefulness of Amino Acid Composition to Discriminate between Honeydew and
Floral Honeys. Application to Honeys from a Small Geographic Area, J. Agric. Food
Chemistry (2004), 52, 84-89
[8]: Guyot C., Bouseta A., Scheirman V., Collin S., Floral Origin Markers of Chestnut
and Lime Tree Honeys, J. Agric. Food Chemistry (1998), 46, 625-633
[9]: Bonvehi S.J., Coll F. V., Flavour index and aroma profiles of fresh and processed
honeys, J Sci. Food Agric. (2003), 83, 275-282
[10] Frrot E., Velluz A.,Decorzant E., Naef R. From Linden Flower to Linden
Honey, Chemistry & Biodiversity vol. 3 (2006), 94-100
[11]: Vias P., Soler-Romera M. J., Hernndez-Crdoba M., Liquid chromatographic
determination of phenol, thymol and carvacol in honey using fluorimetric detection,
Talanta (2006)
84

[12]: Toms-Barbern F. A., Ferreres F., Garca-Viguera C., Toms-Lorente F.,
Flavonoids in honey of different geographical origin, Z Lebensm Unters Forsch
(1993), 196, 38-44
[13] Gazzetta Ufficiale N. 185 del 11 Agosto 2003 Approvazione dei metodi ufficiali di
analisi da applicarsi per la valutazione delle caratteristiche di composizione del
miele, decreto 25 luglio 2003
[14]: Gonzalez-Miret M. L., Terrab A., Hernanz D., Fernandez-Recamales M. A., Heredia
F. J., Multivariate Correlation between Color and Mineral Composition of Honeys
and by Their Botanical Origin J. Agric. Food Chemistry (2005), 2574-2580
[15] Inoue K., Murayama S., Seshimo F., Takeba K., Yoshimura Y., Nakazawa H.,
Identification of phenolic compound in manuka honey as specific superoxide anion
radical scavenger using electron spin resonance (ESR) and liquid chromatograpy
with coulometric array detection J. Sci. Food Agric. (2005), 872-878
[16] Berretta G., Granata P., Ferrero M., Orioli M., Maffei Facino R., Standardization
of antioxidant proprieties of honey by a combination of spectrophotometric assays
and chemometrics Anal. Chi. Acta (2005), 185-191
[17] Chalhoub C., Gotsius P., Lydakis-Simantiris N., Kefalas P., Novel quality control
methods in conjunction with chemometrics (multivariate analysis) for detecting
honey authenticity J. Food Sci. Nutr. (2005), 45, 193-203
[18] Kukuk M., Kolayh S., Ulusoy E., Baltaci C., Candan F., Biological activities and
chemical composition of three honeys of different types from Anatolia Food Chem.
(2005), 100, 526-534
[19] Dongmo A. B., Miyamoto T., Yoshikawa K., Arihara S., Lacaille-Dubois M.,
Flavonoids from Acacia pennata and their cyclooxygenase (COX-1 and COX-2)
inhibitory activities Planta Med. (2007), 73, 1202-1207
[20] Berretta G., Caneva E., Maffei Facino R., Kynurenic acid in honey from arboreal
plants: MS and NMR evidenci Planta Med. (2007), 73, 1592-1595
[21]: Piana L., Persano Oddo L. La valorizzazione del miele - in Miele e territorio.
Guida alla valorizzazione del miele attraverso le denominazioni di origine. Ministero
delle Politiche Agricole e Forestali. Istituto Sperimentale per la Zoologia Agraria,
(2001), 9-21
[22]: Persano Oddo L. La qualit e la valorizzazione del miele - in I mieli uniflorali
italiani. Nuove schede di caratterizzazione. Istituto Sperimentale per la Zoologia
Agraria, Sezione di Apicoltura, Roma, (2000), 11-19
85

[23]: Sabatini A.G. Analisi del miele - in Conoscere il miele. Edizioni
Avenue media. CRA Istituto Nazionale di Apicoltura, Bologna, (2007), 125-172.
[24]: Mendes E., Brojo Proena E., Ferreira I.M.P.L.V.O., Ferreira M. A., Quality
evaluation of Portuguese honey, Carbohydrate Polymers (1998), 37, 219-223
[25]: Devillers J., Morlot M., Pham-Delegue M. H., Dore J. C., Classification of
monofloral honeys based on their quality control data, Food Chemistry (2004), 86,
305-312
[26]: Nalda M. J. N., Yague J. L., Calva J. C., Gomez M. T., Classifying honeys from
the Soria Province of Spain via multivariate analysis Anal. Bioanal. Chem. (2005),
382, 311-318
[27]: Terrab A., Vega-Perez J. M., Diez M. J., Heredia F. J., Characterization of
northwest Moroccan honeys by gas chromatographic-mass spectrometric analysis of
their sugar components J. Sci. Food Agric. (2002), 82, 179-185
[28]: Cotte J. F., Casabianca H., Giroud B., Albert M., Lheritier J., Grenier-Loustalot M.
F., Characterization of honey amino acid profiles using high-pressure liquid
chromatography to control authenticity Anal. Bioanal. Chem. (2004), 378, 1342-1350
[29] Yao L., Jiang Y., Singanusong R., Datta N., Raymont K., Phenolic acids and
abscisic acid in Australian eucalyptus honeys and their potential for floral
authentication Food Chem. (2004), 86, 169-177
[30]Radovic B.S., Careri M., Mangia A., Musci M., Gerboles M., Anklam E.,
Contribution of dynamic headspace GC-MS analysis of aroma compounds to
authenticity testing of honey Food Chem. (2001), 72, 511-520
[31]: Davies A. M., Radovic B., Fearn T., Anklam E. A., A preliminary study on the
characterization of honey by near infrared spectroscopy J. Near Infrared
Spectroscopy (2002), 10, 121-135
[32] Ruoff K., Luginbuhl W., Amado R., Authentication of the botanical and
geographical origin of honey by MIR J. Agric. Food Chem. (2006), 54, 6837-6850
[33] Ruoff K., Luginbuhl W., Amado R., Authentication of the botanical and
geographical origin of honey by front-face spectroscopy J. Agric. Food Chem. (2006),
54, 6858-6866
[34] Donarski J. A., Jones S. A., Charlton A. J., Application of cryoprobe 1H nuclear
magnetic resonance spectroscopy and multivariate analysis for tha verification of
Corsican honey J. Agric. Food Chem. (2008), 56, 5451-5456
86

[35] Berretta G., Caneva E., Regazzoni L., Maffei Facino R., A solid-phase axtration
procedure coupled to 1H-NMR, with chemometric analysis, to seek reliable markers
of the botanical origin of honey Anal. Chim. Acta. (2008), 620, 176-182
[36] Tomas-Barberan F. A., Martos I., Ferrerea F., Radovic B. S., Anklam E., HPLC
flavonoid profiles as markers for the botanical origin of European unifloral honeys
J. Sci. Food Agric. (2001), 81, 485-496
[37] Rebane R., Herodes K., Evalutation of botanical origin of estonian uni- and
polyfloral honeys by amino acid content J. Sci. Food Agric. (2008), 56, 10716-10720
[38] Daher S., Gulacar F., Analysis of phenolic and other aromatic compounds in
honeys by solid-phase microextration followed by gas chromatography-mass
spectrometry J. Agric. Food. Chem (2008), 56, 5775-5780
[39] Sandusky P., Raftery D., Use of selective TOCSY NMR experiments for
quantifying minor components in complex mixture: application to the metabonomics
of amino acids in honey. Anal. Chem. (2005), 77, 2455-2463
[40] Nozal M. J., Bernal J. L., Toribio L., Alamo M., Diego J. C., The use of
carbohydrate profiles and chemometrics in the characterization of natural honeys of
identical geographical origin J. Agric. Food Chem (2005), 53, 3095-3100
[41] Lolli, M., Bertelli, D., Plessi M., Sabatini A.G & Restani C., Classification of
Italian honeys by 2D-HR-NMR J. Agric. Food Chem. (2008), 56,1298-1304
[42] Consonni R. & Cagliani L., Geographical Characterization of Polyfloral and
Acacia Hoenys by Nucelar Magnetic Resonance and Chemometrics. J. Agric. Food
Chem. (2008), 56, 68736880
[43] Magon G., Risonanza magnetica nucleare e chemiometria applicata a miele dei
colli Euganei (2006/2007) Cariglia F., Analisi di estratti organici del miele
mediante NMR e chemiometria per la determinazione dellorigine botanica
(2007/2008)
[44] Guido F. Paoli, Reviews NMR J. Nat. Prod. 2005, 68, 133
[45] A. Kumar, G. Wagner, R.R. Ernst, K. Wthrich, J. Am. Chem. Soc., (1994), 103,
3654-3658;
[46] Berretta G., Vistoli G., Caneva E., Orlandini S., Anselmi R., Maffei Facino
R.,Structure elucidation and NMR assignment of two pyrrolidinyl quinoline
alcaloids from chestnut honey Magn. Res. Chem.. (2009), 47, 456-459
[47] Berretta G., Artali R., Caneva E., Orlandini S., Centini M., Maffei Facino R.,
Quinolone
alkaloids
in
honey:
further
87
analytical
HPLC-DAD-ESI-MS,

multidimensional
diffusion-ordered
NMR
spectroscopy),
theoretical
and
chemometric studies J. Pha. Biom. Anal. (2009), 50, 432-439

[48] Truchado P., Martos I., Bortolotti L., Tomas-Barberan F. A., Use of quinoline
alkaloids as markers of the floral origin of chestnut honey J. Agric. Food. Chem.
(2008)
[49] Zalibera L., Milata V., Ilavsky D., 1H and 13C NMR spectra of 3-substituted 4quinolones Magn. Res. Chem. (1998), 36, 681-684)
[50] Guyot C., Scheirman V., Collin S., Floral origin markers of heather honeys:
calluna volgaris and Erica arborea Food. Chem (1999), 64, 3-11
[51] Papotti G., Plessi M., Bertelli D., Sabatini A.G., Determinazione di metile
antranilato in mieli di agrumi italiani mediante HS-SPME-GC poster
[52] Rastrelli F., Schievano E., Bagno A. & Mammi S., NMR quantification of traces
componends in complex matrices by band-selective excitation with adiabatic pulses
Magn. Res. Chem. (2009)
88
RINGRAZIAMENTI
Ringrazio la professoressa Elisabetta Schievano e tutto lo staff del professor Stefano
Mammi Grazie per avermi assistito ed aiutato durante questo interessante e appagante
lavoro di tesi.
Ringrazio, in ritardo, lo staff del professor Paolo Maria Scrimin ed in particolare Giulio e
Leonard Grazie a loro ho deciso di continuare nella mia carriera universitaria e di non
fermarmi ai 3 anni.
Ringrazio tutti i miei professori
Ringrazio gli amici di Padova e ringrazio i miei amici di Pergine
Anche se questi ultimi non hanno ancora capito cosa faccio.
Un ringraziamento speciale a Milena Grazie per essermi stata vicina, per avermi aiutato
e per aver corretto il mio pessimo italiano.
Un ringraziamento a me stesso Ce lho fatta!
Un ringraziamento a mio padre e soprattutto un grandissimo ringraziamento a mia
madre
MAMMA, QUESTO LAVORO DEDICATA A TE!
89

Marco

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Marco

Caricato da

Copyright:

Formati disponibili

UNIVERSIT DEGLI STUDI DI PADOVA

FACOLT DI SCIENZE MM. FF. NN.

RELATORE: Dott.ssa ELISABETTA SCHIEVANO

LAUREANDO: MARCO PERGHER

Determinazione dellorigine botanica del miele

disidratano, immagazzinano e lasciano maturare nei

Fig. 1.1: apis mellifera al lavoro.

favi dellalveare (Direttiva 2001/110/CE del 20

Determinazione dellorigine botanica del miele

relativamente calda e secca presente all'interno

offerta dalla lingua allungata dell'ape (Fig. 1.2).

circa 20 minuti, il nettare si arricchisce di secrezioni ghiandolari dell'ape, cio di enzimi

Fig. 1.3: celle opercolate.

di un miele maturo (Fig. 1.3).

FASI DELLA LAVORAZIONE

Fig. 1.4: soffiatura dei melari.

Determinazione dellorigine botanica del miele

Fase 2: disopercolatura. Rimozione

Fase 3: smielatura. I melari sono posti

Fase 4: purificazione. Serve ad eliminare particelle di cera, impurit e bolle daria

Fase 6: confezionamento. Il miele, prima di cristallizzare, invasato in contenitori

Determinazione dellorigine botanica del miele

composizione del nettare o della

provenienza, le condizioni climatiche,

landamento stagionale, le tecniche

apistiche impiegate e le modalit di conservazione. Questi fattori influenzano

Determinazione dellorigine botanica del miele

Dove Cs e Cx sono le concentrazioni, in mol/L della soluzione standard e di quella da

Fig. 1.7: alcuni zuccheri presenti nel miele.

Determinazione dellorigine botanica del miele

Determinazione dellorigine botanica del miele

Fig. 1.8: i principali amminoacidi presenti nel miele.

Una particolare classe di sostanze proteiche che riveste unimportanza particolare

Determinazione dellorigine botanica del miele

La glucosio ossidasi, in presenza di acqua, provoca lossidazione del glucosio con

Schema 1.1: ossidazione del glucosio.

Linvertasi catalizza lidrolisi del legame glicosidico del saccarosio, generando i

Schema 1.2: azione dellenzima invertasi.

La reazione accompagnata da una modifica della rotazione ottica da destrogira a

La catalasi catalizza la conversione dellacqua ossigenata in acqua e ossigeno:

La diastasi, in presenza di acqua, scinde gli oligosaccaridi, come lerlosio, in

Determinazione dellorigine botanica del miele

Schema 1.3: azione dellenzima diastasi.

Questo enzima si degrada con il passare del tempo e se sottoposto a trattamenti

Fig. 1.9: le principali vitamine presenti nel miele.

Composti aromatici e sostanze volatili: si tratta di diversi composti (acidi, alcoli,

Determinazione dellorigine botanica del miele

Fig. 1.10: a) 2-Acetil furano b) 2-Furanaldeide(Furfurale).

Fig. 1.11: a) Salicilato di metile b) Acido benzoico propil estere.

Fig. 1.12: a) Apigenina (5,7,4-triidrossiflavone) b) Crisina (5,7-diidrossiflavone).

Determinazione dellorigine botanica del miele

Lipidi: la loro presenza nel miele praticamente insignificante ed probabilmente

Fig. 1.13: a) Acetato di geranile (3,7-dimetil 2,6-octadien-1-acetato)

Idrossimetilfurfurale: una sostanza (Fig. 1.14) praticamente assente nel miele

Fig. 1.14: Idrossimetilfurfurale (HMF).

Sostanze esogene: possono essere sostanze di origine naturale o aggiunte

Determinazione dellorigine botanica del miele

Indice di rifrazione: varia linearmente con il contenuto di umidit (aumenta al

Viscosit: generalmente alta a causa dellelevata

concentrazione di zuccheri (rende lidea la Fig. 1.15).

pH: come gi citato precedentemente, il pH ideale

circa pari a 5 ma spesso si possono avere valori pi

Fig. 1.15: viscosit del miele.

Determinazione dellorigine botanica del miele